重回帰分析は、複数の説明変数を用いた回帰分析の一種です。Pythonで重回帰分析を行う方法は主に2つあります。
statsmodelsモジュールを利用して統計モデルを構築する方法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、より一般的に使用されるscikit-learnを用いた方法を紹介します。
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
# 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
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
model = LinearRegression()
# 学習はfit
model.fit(X_train, Y_train)
# 予測はpredict
Y_pred = model.predict(X_test)
以上のコードは、LinearRegressionを用いた重回帰分析の一例です。この例では、ボストンの住宅価格データを使用しています。説明変数としては、犯罪率(CRIM)、住宅密度(ZN)、非小売業エリアの割合(INDUS)、チャールズ川沿いかどうか(CHAS)、窒素酸化物の濃度(NOX)、部屋数(RM)、1940年以前に建てられた建物の割合(AGE)、雇用施設への距離(DIS)、高速道路へのアクセスしやすさ(RAD)、10,000ドルあたりの不動産税率(TAX)、生徒と教師の比率(PTRATIO)、黒人の割合(B)、低所得者の割合(LSTAT)が使用されています。
このようにPythonを用いて重回帰分析を行うことで、複数の説明変数から目的変数を予測することが可能となります。