ti-enxame.com

Regressão linear multivariada / múltipla no Scikit Learn?

Eu tenho um conjunto de dados (dataTrain.csv & dataTest.csv) no arquivo .csv com este formato:

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

E capaz de construir um modelo de regressão e previsão com este código:

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]

No entanto, o que eu quero fazer é regressão multivariada. Então, o modelo será CompressibilityFactor(Z) = intercept + coef*Temperature(K) + coef*Pressure(ATM)

Como fazer isso no scikit-learn?

17
Drizzer Silverberg

Se o seu código acima funcionar para univariada, tente este

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

Está correto, você precisa usar .values.reshape (-1,2)

Além disso, se você deseja conhecer os coeficientes e a interceptação da expressão:

CompressibilityFactor (Z) = interceptação + coef Temperatura (K) + coef Pressão (ATM)

você pode obtê-los com:

Coeficientes = model.coef_
intercept = model.intercept_

0
Fabrizio Peruzzo