Lineaarisen regression toteuttaminen Pythonissa

Lineaarisen regression toteuttaminen Pythonilla

Nyt kun ymmärrät lineaarisen regression käsitteen, toteutetaan se Pythonilla. Käytämme tähän tarkoitukseen suosittua scikit-learn-kirjastoa.

Vaihe 1: Aineiston valmisteleminen

Ensin meidän on valmisteltava aineisto. Tässä esimerkissä käytämme yksinkertaista aineistoa, 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

Meidän on tuotava seuraavat kirjastot:

• numpy: Numeerisia laskutoimituksia varten.
• matplotlib: Visualisointeja varten.
• scikit-learn: Koneoppimisalgoritmeja varten.

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 aineistoon.

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 opetettu, 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 nähdäksemme, miten hyvin malli sopii aineistoon.

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 R-squared-arvolla. Se mittaa, kuinka hyvin malli selittää aineiston vaihtelua.

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

Lineaarista regressiota toteuttaessanne saatatte kohdata esimerkiksi seuraavia haasteita:

• Ylisovittaminen pienten aineistojen yhteydessä.
• Herkkyys poikkeaville arvoille.
• Multikollineaarisuuden käsittely useiden muuttujien tapauksessa.

Tällä oppitunnilla:

• Opimme toteuttamaan lineaarisen regression scikit-learnilla.
• Teimme ennusteita ja visualisoimme tulokset.
• Arvioimme mallia R-squared-arvon avulla.

Seuraavaksi tutustumme logistisen regression käsitteeseen luokitteluongelmissa.