web-dev-qa-db-fra.com

Régression linéaire multivariée / multiple dans Scikit Learn?

J'ai un ensemble de données (dataTrain.csv & dataTest.csv) dans un fichier .csv avec ce format:

Temperature(K),Pressure(ATM),CompressibilityFactor(Z)
273.1,24.675,0.806677258
313.1,24.675,0.888394713
...,...,...

Et capable de construire un modèle de régression et de prédiction avec ce code:

import pandas as pd
from sklearn import linear_model

dataTrain = pd.read_csv("dataTrain.csv")
dataTest = pd.read_csv("dataTest.csv")
# print df.head()

x_train = dataTrain['Temperature(K)'].reshape(-1,1)
y_train = dataTrain['CompressibilityFactor(Z)']

x_test = dataTest['Temperature(K)'].reshape(-1,1)
y_test = dataTest['CompressibilityFactor(Z)']

ols = linear_model.LinearRegression()
model = ols.fit(x_train, y_train)

print model.predict(x_test)[0:5]

Cependant, ce que je veux faire, c'est une régression multivariée. Ainsi, le modèle sera CompressibilityFactor(Z) = intercept + coef*Temperature(K) + coef*Pressure(ATM)

Comment faire cela dans scikit-learn?

pythonpandasscikit-learnsklearn-pandas
17
Drizzer Silverberg

Si votre code ci-dessus fonctionne pour univarié, essayez ceci

import pandas as pd
from sklearn import linear_model

dataTrain = pd.read_csv("dataTrain.csv")
dataTest = pd.read_csv("dataTest.csv")
# print df.head()

x_train = dataTrain[['Temperature(K)', 'Pressure(ATM)']].reshape(-1,2)
y_train = dataTrain['CompressibilityFactor(Z)']

x_test = dataTest[['Temperature(K)', 'Pressure(ATM)']].reshape(-1,2)
y_test = dataTest['CompressibilityFactor(Z)']

ols = linear_model.LinearRegression()
model = ols.fit(x_train, y_train)

print model.predict(x_test)[0:5]
17
piRSquared

C'est correct, vous devez utiliser .values.reshape (-1,2)

De plus si vous voulez connaître les coefficients et l'ordonnée à l'origine de l'expression:

Compressibilité Facteur (Z) = interception + coef Température (K) + coef Pression (ATM)

vous pouvez les obtenir avec:

Coefficients = model.coef_
intercept = model.intercept_

0
Fabrizio Peruzzo