Pythonの機械学習ライブラリであるscikit-learnを用いて、重回帰分析を行う方法について説明します。重回帰分析は、複数の説明変数から目的変数の値を予測するためのモデルです。
scikit-learnのLinearRegressionクラス
scikit-learnには、線形回帰による予測を行うクラスとして、sklearn.linear_model.LinearRegressionが用意されています。
from sklearn import linear_model
clf = linear_model.LinearRegression()
モデルの学習
LinearRegressionクラスのfitメソッドを用いて、モデルの学習を行います。
clf.fit(X, Y)
ここで、Xは説明変数、Yは目的変数を表します。
モデルの評価
LinearRegressionクラスのscoreメソッドを用いて、決定係数R^2^を出力します。
print(clf.score(X, Y))
重回帰分析の実行例
以下に、重回帰分析の一例を示します。
from sklearn import linear_model
# モデルの定義
model = LinearRegression()
# モデルの学習
model.fit(x_scaler, t)
以上が、Pythonとscikit-learnを用いた重回帰分析の基本的な流れです。この知識を活用して、自身のデータ分析に役立ててみてください。.