Python में Linear Regression लागू करना

Python में LinearRegression लागू करना

अब जब आप LinearRegression की संकल्पना समझ चुके हैं, तो आइए इसे Python का उपयोग करके लागू करते हैं। इसके लिए हम लोकप्रिय स्किकिट-लर्न लाइब्रेरी का उपयोग करेंगे।

चरण 1: डेटा तैयार करना

सबसे पहले, हमें एक डेटासेट तैयार करना होगा। इस उदाहरण में हम एक स्वतंत्र चर (x) और एक आश्रित चर (y) वाला सरल डेटासेट उपयोग करेंगे।

डेटा यह है:

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

चरण 2: आवश्यक लाइब्रेरी आयात करना

हमें निम्नलिखित लाइब्रेरी आयात करनी होंगी:

• numpy: संख्यात्मक गणनाओं के लिए।
• matplotlib: दृश्य निरूपण के लिए।
• scikit-learn: मशीन लर्निंग एल्गोरिदम के लिए।

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

चरण 3: मॉडल बनाना

हम स्किकिट-लर्न की LinearRegression क्लास का उपयोग करके LinearRegression मॉडल बनाते हैं और उसे डेटा पर प्रशिक्षित करते हैं।

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)

चरण 4: पूर्वानुमान लगाना

मॉडल के प्रशिक्षित हो जाने के बाद, हम उसका उपयोग पूर्वानुमान लगाने के लिए कर सकते हैं। उदाहरण के लिए, x = 6 होने पर y के मान का पूर्वानुमान लगाना।

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

चरण 5: परिणामों का दृश्य निरूपण

मॉडल डेटा पर कितनी अच्छी तरह अनुरूप बैठता है, यह देखने के लिए हम डेटा बिंदुओं और अनुरूपण रेखा का plot बना सकते हैं।

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()

चरण 6: मॉडल का मूल्यांकन करना

हम R-squared जैसे मापदंडों का उपयोग करके मॉडल के प्रदर्शन का मूल्यांकन करते हैं। यह मापता है कि मॉडल डेटा में होने वाले परिवर्तन को कितनी अच्छी तरह समझाता है।

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

LinearRegression लागू करते समय आपको इन जैसी चुनौतियों का सामना करना पड़ सकता है:

• छोटे डेटासेट के साथ अति-अनुरूपण।
• असामान्य मानों के प्रति संवेदनशीलता।
• एकाधिक चरों में बहुसह-रैखिकता को सँभालना।

इस पाठ में हमने:

• स्किकिट-लर्न का उपयोग करके LinearRegression लागू करना सीखा।
• पूर्वानुमान लगाए और परिणामों का दृश्य निरूपण किया।
• R-squared का उपयोग करके मॉडल का मूल्यांकन किया।

अगले चरण में हम वर्गीकरण समस्याओं के लिए लॉजिस्टिक रिग्रेशन की संकल्पना का अध्ययन करेंगे।