Как предварительно сформировать множественную линейную регрессию на наборе данных в python с помощью scikit-learn? - PullRequest
Новая
       7

Как предварительно сформировать множественную линейную регрессию на наборе данных в python с помощью scikit-learn?

0 голосов
/ 12 декабря 2018

Мой код на питоне первоначально выводил эти результаты, список словарей населения переписного участка (в основном, площадь земли) и различных типов земного покрова.Вот это: 

[{'Total Population:': 4585, 'Total Water Ice Cover': 2.848142234497044, 'Total Developed': 17.205368316575324, 'Total Barren Land': 0.22439908514219134, 'Total Forest': 34.40642126612868},

 {'Total Population:': 4751, 'Total Water Ice Cover': 1.047783534830167, 'Total Developed': 37.27115716753022, 'Total Barren Land': 0.11514104778353484, 'Total Forest': 19.11341393206678},

 {'Total Population:': 3214, 'Total Water Ice Cover': 0.09166603009701321, 'Total Developed': 23.50469788404247, 'Total Barren Land': 0.2597204186082041, 'Total Forest': 20.418608204109695},

 {'Total Population:': 5005, 'Total Water Ice Cover': 0.0, 'Total Developed': 66.37545713124746, 'Total Barren Land': 0.0, 'Total Forest': 10.68671271840715},

...
]

Затем, взяв этот код, поместив его в объект панд: 

import pandas as pd
df = pd.DataFrame(output)
print(df)
#   Total Barren Land  Total Developed  Total Forest  Total Population:  Total Water Ice Cover
#0           0.224399        17.205368     34.406421               4585               2.848142 
#1           0.115141        37.271157     19.113414               4751               1.047784 
#2           0.259720        23.504698     20.418608               3214               0.091666   
#3           0.000000        66.375457     10.686713               5005               1.047784

Затем, чтобы получить корреляцию Пирсона 'r': 

pd.set_option("precision",4)  # only show 4 digits

# remove 'Total ' from column names to make printing smaller
df.rename(columns=lambda x: x.replace("Total ", ""), inplace=True)  

corr = df.corr(method="pearson")
print(corr)
#                 Barren Land  Developed  Forest  Population:  Water Ice Cover
#Barren Land           1.0000    -0.9579  0.7361      -0.7772           0.4001
#Developed            -0.9579     1.0000 -0.8693       0.5736          -0.6194
#Forest                0.7361    -0.8693  1.0000      -0.1575           0.9114
#Population:          -0.7772     0.5736 -0.1575       1.0000           0.2612
#Water Ice Cover       0.4001    -0.6194  0.9114       0.2612           1.0000

Теперь у меня есть все значения корреляции Пирсона 'r' между населением и различными типами земного покрова.

Теперь я хочу вычислить множественную линейную регрессию.Я пытаюсь выполнить множественную линейную регрессию между плотностью населения и процентом площади следующих поверхностных покрытий и рассчитать R2 регрессии: развитый, класс посаженный / культивируемый класс и, возможно, какой-то другой.Может ли это быть сделано через панд?

Спасибо

1 Ответ

0 голосов
/ 12 декабря 2018

Вы можете сделать множественную регрессию с помощью Scikit-learn или Statsmodels.

Вы можете увидеть пример множественной регрессии с помощью scikit_learn здесь: Множественная линейная регрессия в Python

Что касается Statsmodels, вы можете сделать что-то вроде этого: 

import statsmodels.api as sm    

X = df[[“variable_1”, “variable_2”]]
y = df[“target”]

model = sm.OLS(y, X).fit()
predictions = model.predict(X)
model.summary()
...