Pythonで重回帰分析を行う方法

Pythonで重回帰分析を行う方法について解説します。重回帰分析は、複数の説明変数を用いた回帰分析のことで、1つの説明変数の場合は単回帰分析と呼びます。

重回帰分析とは

重回帰分析は、複数の説明変数を用いた回帰分析を指します。これに対して1つの説明変数を用いた回帰分析を「単回帰分析」と呼びます。

Pythonで重回帰分析を行う方法

Pythonで重回帰分析を行うには主に2種類の方法があります。

1. statsmodels モジュールを利用して統計モデルを構築する方法
2. scikit-learn モジュールを利用して機械学習のモデルを構築する方法

ここではより多く使用されているscikit-learnを使った方法を取り上げます。scikit-learnで回帰分析を行うには LinearRegression を使用します。

実際に書いてみよう

今回のサンプルプログラムでは、LinearRegressionを用いた重回帰分析の方法について確認します。

# データの読み込み
from sklearn.datasets import load_boston 
boston = load_boston() 
dataset = pd.DataFrame(data = boston['data'], columns = boston['feature_names'])
dataset['price'] = boston['target']

# 目的変数(Y)、説明変数(X)
Y = np.array(dataset['price'])
X = np.array(dataset[['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT']])

# データの分割
from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3, random_state=0)

#線形回帰モデル
from sklearn.linear_model import LinearRegression
model = LinearRegression()

#学習はfit
model.fit(X_train, Y_train)

# 予測
Y_pred = model.predict(X_test)

以上がPythonで重回帰分析を行う一例です。このようにPythonとそのライブラリを活用することで、重回帰分析を簡単に行うことができます。