Alles über lineare Regression mit Scikit

In der Praxis gibt es zwei primäre Algorithmen für überwachtes maschinelles Lernen: 1. Klassifizierung und 2. Regression – Die Klassifizierung wird verwendet, um diskrete Ausgaben vorherzusagen, während die Regression verwendet wird, um eine kontinuierliche Wertausgabe vorherzusagen.

In der Algebra bezeichnet Linearität eine gerade oder lineare Beziehung zwischen mehreren Variablen. Eine wörtliche Darstellung dieser Beziehung wäre eine gerade Linie.

Melden Sie sich für den Machine Learning-Kurs an den besten Universitäten der Welt an. Erwerben Sie Master-, Executive PGP- oder Advanced Certificate-Programme, um Ihre Karriere zu beschleunigen.

Die lineare Regression ist ein maschineller Lernalgorithmus, der unter Aufsicht ausgeführt wird. Es ist ein Prozess des Suchens und Abbildens einer Linie, die für alle auf dem Diagramm verfügbaren Datenpunkte geeignet ist. Es ist ein Regressionsmodell, das hilft, den Wert zwischen einer abhängigen und einer unabhängigen Variablen zu schätzen, alles mit Hilfe einer geraden Linie.

Lineare Regressionsmodelle helfen, eine lineare Beziehung zwischen diesen unabhängigen Variablen aufzubauen, die die niedrigsten Kosten haben, basierend auf den gegebenen abhängigen Variablen.

In der Mathematik gibt es drei Möglichkeiten, ein lineares Regressionsmodell zu beschreiben. Sie lauten wie folgt (y ist die abhängige Variable):

• y = Schnittpunkt + (Steigung x) + Fehler
• y = Konstante + (Koeffizient x) + Fehler
• y = a + bx + e

Warum ist die lineare Regression unerlässlich?

Die Modelle der linearen Regression sind vergleichsweise einfacher und benutzerfreundlicher. Sie machen den Prozess der Interpretation mathematischer Daten/Formeln, die Vorhersagen generieren können, relativ einfacher. Die lineare Regression kann in verschiedenen Bereichen (z. B. Wissenschaft oder Betriebswirtschaft) hilfreich sein.

Das lineare Regressionsmodell ist die einzige wissenschaftlich erprobte Methode, um die Zukunft genau vorherzusagen. Es wird in verschiedenen Wissenschaften aus den Bereichen Umwelt, Verhalten, Soziales usw. verwendet.

Die Eigenschaften dieser Modelle sind sehr gut verstanden und daher leicht trainierbar, da es sich um ein seit langem etabliertes statistisches Verfahren handelt. Es erleichtert auch die Umwandlung umfangreicher Rohdatensätze in verwertbare Informationen.

Schlüsselannahmen der effektiven linearen Regression

• Die Anzahl der gültigen Fälle, der Mittelwert und die Standardabweichung sollten für jede Variable berücksichtigt werden.
• Für jedes Modell : Regressionskoeffizienten, Korrelationsmatrix, Teil- und Teilkorrelationen, Standardfehler der Schätzung, Varianzanalysetabelle, vorhergesagte Werte und Residuen sollten berücksichtigt werden.
• Diagramme: Streudiagramme, Histogramme, Teildiagramme und Normalwahrscheinlichkeitsdiagramme werden berücksichtigt.
• Daten : Es muss sichergestellt werden, dass abhängige und unabhängige Variablen quantitativ sind. Kategoriale Variablen müssen nicht in Binär- oder Dummy-Variablen oder andere Arten von Kontrastvariablen umcodiert werden.
• Andere Annahmen : Für jeden Wert einer gegebenen unabhängigen Variablen benötigen wir eine Normalverteilung der abhängigen Variablen. Die Varianz der gegebenen Verteilung der abhängigen Variablen sollte auch für jeden unabhängigen Variablenwert konstant gehalten werden. Die Beziehung zwischen jeder abhängigen unabhängigen Variablen sollte linear sein. Außerdem sollten alle Beobachtungen unabhängig sein.

Hier ist ein vorhandenes Beispiel einer einfachen linearen Regression :

Der Datensatz im Beispiel enthält Informationen über die globalen Wettersituationen eines jeden Tages für einen bestimmten Zeitraum. Diese detaillierte Liste von Informationen enthält Faktoren wie Niederschlag, Schneefall, Temperaturen, Windgeschwindigkeit, Gewitter oder andere mögliche Wetterbedingungen.

Dieses Problem zielt darauf ab, das einfache lineare Regressionsmodell zu verwenden, um die maximale Temperatur vorherzusagen, während die minimale Temperatur als Eingabe verwendet wird.

Zunächst müssen alle Bibliotheken importiert werden.

pandas als pd importieren

importiere numpy als np

importiere matplotlib.pyplot als plt

importiere Seaborn als SeabornInstance

aus sklearn.model_selection import train_test_split

aus sklearn.linear_model import LinearRegression

aus sklearn-Importmetriken

%matplotlib inline

Um den folgenden Datensatz mit Pandas zu importieren, muss der folgende Befehl angewendet werden:

dataset = pd.read_csv('/Users/nageshsinghchauhan/Documents/projects/ML/ML_BLOG_LInearRegression/Weather.csv')

Um die Anzahl der im Dataset vorhandenen Zeilen und Spalten zu überprüfen, um die Daten zu untersuchen, muss der folgende Befehl angewendet werden:

dataset.shape

Die empfangene Ausgabe sollte (119040, 31) sein, was bedeutet, dass die Daten 119040 Zeilen und 31 Spalten enthalten.

Um die statistischen Details des Datensatzes anzuzeigen, kann der folgende Befehl verwendet werden:

beschreiben():

dataset.describe()

Hier ist ein weiteres Beispiel , das zeigen soll, wie man verschiedene Python-Bibliotheken abrufen und verwenden kann, die zum Anwenden einer linearen Regression auf bestimmte Datensätze verwendet werden sollen:

1. Importieren aller erforderlichen Bibliotheken

importiere numpy als np

pandas als pd importieren

seegeboren als sns importieren

importiere matplotlib.pyplot als plt

von sklearn import preprocessing, svm

aus sklearn.model_selection import train_test_split

aus sklearn.linear_model import LinearRegression

2. Lesen des Datensatzes

cd C:\Users\Dev\Desktop\Kaggle\Salinity

# Änderung des Datei-Lesespeicherorts zum Speicherort des Datensatzes

df = pd.read_csv('Flasche.csv')

df_binary = df[['Salnty', 'T_degC']]

# Nur die ausgewählten zwei Attribute aus dem Datensatz nehmen

df_binary.columns = ['Sal', 'Temp']

# Umbenennen der Spalten zum einfacheren Schreiben des Codes

df_binary.head()

# Nur die 1. Zeile zusammen mit den Spaltennamen anzeigen

2. Erkunden der Datenstreuung

sns.lmplot(x = „Sal“, y = „Temp“, data = df_binary, order = 2, ci = None)

# Plotten der Datenstreuung

3. Datenreinigung

# Eliminierung von NaN oder fehlenden Eingabezahlen

df_binary.fillna(method ='ffill', inplace = True)

4. Modell trainieren

X = np.array(df_binary['Sal']).reshape(-1, 1)

y = np.array(df_binary['Temp']).reshape(-1, 1)

# Trennen der Daten in unabhängige und abhängige Variablen

# Konvertieren jedes Datenrahmens in ein numpy-Array

# da jeder Datenrahmen nur eine Spalte enthält

df_binary.dropna(inplace = True)

# Löschen aller Zeilen mit Nan-Werten

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0,25)

# Aufteilen der Daten in Trainings- und Testdaten

regr = LineareRegression()

regr.fit(X_Zug, y_Zug)

print(regr.score(X_test, y_test))

5. Untersuchung der Ergebnisse

y_pred = regr.vorhersage(X_test)

plt.scatter(X_test, y_test, Farbe ='b')

plt.plot(X_test, y_pred, color ='k')

plt.show()

# Datenstreuung der vorhergesagten Werte

6. Arbeiten mit einem kleineren Datensatz

df_binary500 = df_binary[:][:500]

# Auswählen der ersten 500 Zeilen der Daten

sns.lmplot(x = „Sal“, y = „Temp“, Daten = df_binary500,

Ordnung = 2, ci = Keine)

Beliebte Blogs zu maschinellem Lernen und künstlicher Intelligenz

Wenn Sie daran interessiert sind, vollwertiges maschinelles Lernen zu erlernen, empfehlen wir Ihnen, den Master of Science in Machine Learning & AI von upGrad zu absolvieren . Das 20-monatige Programm wird in Zusammenarbeit mit dem IIIT Bangalore und der Liverpool John Moores University angeboten. Es soll Ihnen dabei helfen, Kompetenz in branchenrelevanten Programmiersprachen, Tools und Bibliotheken wie Python, Keras, Tensor Flow, MySql, Flask, Kubernetes usw. aufzubauen.

Das Programm kann Ihnen dabei helfen, fortgeschrittene Data-Science-Konzepte durch praktische Erfahrung und den Aufbau von Fähigkeiten zu verbessern. Außerdem erhalten Sie den upGrad-Vorteil mit Zugang zu 360°-Karriereberatung, einem Netzwerkpool von über 40.000 bezahlten Lernenden und einer Menge Möglichkeiten zur Zusammenarbeit!

Buchen Sie noch heute Ihren Platz!