Lineaarisen regression toteuttaminen Pythonissa

Lineaarisen regression toteuttaminen Pythonilla

Nyt kun lineaarisen regression käsite on tuttu, toteutetaan se Pythonilla. Käytämme tähän tarkoitukseen suosittua scikit-learn-kirjastoa.

Vaihe 1: Datan valmisteleminen

Ensin on valmisteltava tietojoukko. Tässä esimerkissä käytämme yksinkertaista tietojoukkoa, jossa on yksi riippumaton muuttuja (x) ja yksi riippuva muuttuja (y).

Tässä ovat tiedot:

• x: 1, 2, 3, 4, 5
• y: 2, 4, 6, 8, 10

Vaihe 2: Tarvittavien kirjastojen tuominen

Seuraavat kirjastot on tuotava käyttöön:

• numpy: Numeerisiin laskutoimituksiin.
• matplotlib: Visualisointeihin.
• scikit-learn: Koneoppimisalgoritmeihin.

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

Vaihe 3: Mallin luominen

Luomme lineaarisen regressiomallin scikit-learnin LinearRegression-luokan avulla ja sovitamme sen dataan.

x = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([2, 4, 6, 8, 10])

model = LinearRegression()
model.fit(x, y)

Vaihe 4: Ennusteiden tekeminen

Kun malli on koulutettu, voimme käyttää sitä ennusteiden tekemiseen. Voimme esimerkiksi ennustaa y:n arvon, kun x = 6.

prediction = model.predict(np.array([[6]]))
print(f"Predicted value for x=6: {prediction[0]}")

Vaihe 5: Tulosten visualisointi

Voimme piirtää datapisteet ja regressiosuoran, jotta näemme, kuinka hyvin malli sopii dataan.

plt.scatter(x, y, color='blue', label='Data points')
plt.plot(x, model.predict(x), color='red', label='Regression line')
plt.title('Linear Regression Visualization')
plt.xlabel('X')
plt.ylabel('Y')
plt.legend()
plt.show()

Vaihe 6: Mallin arviointi

Arvioimme mallin suorituskykyä mittareilla, kuten selitysasteella (R²). Se mittaa, kuinka hyvin malli selittää datan vaihtelua.

r_squared = model.score(x, y)
print(f"R-squared value: {r_squared}")

Lineaarista regressiota toteutettaessa voi ilmetä seuraavia haasteita:

• Ylisovittaminen pienillä aineistoilla.
• Herkkyys poikkeaville havainnoille.
• Useiden muuttujien multikollineaarisuuden käsittely.

Tässä oppitunnissa:

• Opimme toteuttamaan lineaarisen regression scikit-learn-kirjaston avulla.
• Teimme ennusteita ja visualisoimme tulokset.
• Arvioimme mallin R-squared-mittarin avulla.

Seuraavaksi tutustumme logistisen regression käsitteeseen luokitteluongelmissa.