Implementering av lineær regresjon i Python

Implementere lineær regresjon i Python

Nå som du forstår begrepet lineær regresjon, skal vi implementere den ved hjelp av Python. Vi skal bruke det populære biblioteket scikit-learn til dette.

Trinn 1: Klargjøre dataene

Først må vi klargjøre et datasett. I dette eksempelet bruker vi et enkelt datasett med én uavhengig variabel (x) og én avhengig variabel (y).

Her er dataene:

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

Trinn 2: Importere nødvendige biblioteker

Vi må importere følgende biblioteker:

• numpy: Til numeriske beregninger.
• matplotlib: Til visualiseringer.
• scikit-learn: Til maskinlæringsalgoritmer.

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

Trinn 3: Opprette modellen

Vi oppretter en lineær regresjonsmodell ved hjelp av klassen LinearRegression i scikit-learn og tilpasser den til dataene.

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)

Trinn 4: Gjøre prediksjoner

Når modellen er trent, kan vi bruke den til å gjøre prediksjoner. Vi kan for eksempel forutsi verdien av y når x = 6.

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

Trinn 5: Visualisere resultatene

Vi kan plotte datapunktene og regresjonslinjen for å se hvor godt modellen passer til dataene.

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()

Trinn 6: Evaluere modellen

Vi evaluerer modellens ytelse ved hjelp av måltall som R-kvadrat. Det måler hvor godt modellen forklarer variasjonen i dataene.

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

Ved implementering av lineær regresjon kan du møte utfordringer som:

• Overtilpasning med små datasett.
• Følsomhet for avvikere.
• Håndtering av multikollinearitet i flere variabler.

I denne leksjonen har vi:

• Lært å implementere lineær regresjon ved hjelp av scikit-learn.
• Gjort prediksjoner og visualisert resultatene.
• Evaluert modellen ved hjelp av R-kvadrat.

Deretter skal vi utforske konseptet logistisk regresjon for klassifiseringsproblemer.