scikit-learnで線形回帰分析【Python 回帰分析②】

助手ミルク

前回はPythonのNumpyを使って，回帰分析に必要な近似曲線を作りましたね！！

虎ぱぱ

そうですね！でも近似線を書いただけじゃ、CreepyNutsさんの正確なCD価格はわからなかった…これじゃあ買ってもらないよね…。

助手ミルク

うん。当然そうね。さあ今日も分析しなさい！！働きなさい！馬車馬のように。

虎ぱぱ

一応虎でやらせてもらってるんですけど。

前回、『回帰分析』ともそもそも何かということと、Numpyを使った回帰分析について書きました。

Numpyを使って線形回帰・非線形回帰　非エンジニア向けにcsv読みこみから【Python回帰分析①】Pythonは機械学習やAIプログラミングに特化したプログラミング言語です。今回はNumpyというモジュールを使って、回帰分析をしてみました。回帰分析とは何かにも触れ、コードつきで詳しく解説しています。...

単回帰と重回帰の違いや線形回帰と非線形回帰の違いなど、細かい内容についても言及しています。

実際にCreepyNutsさんのCD価格を予想するために、単回帰分析を実施した結果がこちらです！！

今回は更に詳細な分析を行うために、『scikit-learn』という機械学習に特化したライブラリを使って、予想価格を数値として導き出すところまで実践していきます！！

Contents

読んで得する人は？？Python scikit-learnで回帰分析をしたい方は必見
Numpyでの単回帰分析【前回の復習】
scikit-learn 線形単回帰分析でざっくりと価格推移を予測
まとめ

読んで得する人は？？Python scikit-learnで回帰分析をしたい方は必見

今回はPythonのscikit-learnを使って回帰分析を実践します！！

前回も書きましたが，回帰分析は機械学習エンジニアやデータサイエンティストは必ずと言っていほどぶちあたる壁なので、読んで損はないはずです。☟☟☟

Pythonを使って単回帰分析を行うことで，回帰分析イメージを掴みたい方
機械学習、AI系のエンジニア・データサイエンティストを志す方
Pythonの”scikit-learn”これ『サイキットラーン』と読みます．ギリ知ってた方

助手ミルク

scikit-learnっていう名前がかっこいい！！いかにも機械学習って感じ。

虎ぱぱ

科学系の学習？？みたいなニュアンスだよね！！私にぴったり！！

助手ミルク

…まずは鏡を見て頭の中で画像処理を実行しなさい。

Numpyでの単回帰分析【前回の復習】

助手ミルク

]まずはイメージを掴むために前回の復習からですね！！

虎ぱぱ

Numpyを使った分析結果ですね！！ほらCreepyNutsさんのCD…早く買わないと価格が急騰しちゃうよ！？

前回の復習です。Numpyを使って単回帰分析をやってみました。ここでは線形回帰と非線形回帰の近似線を書いてます！！

まずはコードから☟☟☟

[python]
i

[/python]

結果のグラフがこちら☟☟☟

[word_balloon id=”1″ position=”L” size=”M” balloon=”talk” name_position=”under_avatar” radius=”true” avatar_border=”false” avatar_shadow=”false” balloon_shadow=”true”]線形と非線形の近似線は引けているけど、肝心の数値が出ていないわね。これじゃあまだ正確な予想になっていないわね。[/word_balloon]

[word_balloon id=”2″ position=”R” size=”M” balloon=”talk” name_position=”under_avatar” radius=”true” avatar_border=”false” avatar_shadow=”false” balloon_shadow=”true”]いや…そもそも価格関係なしにレアだからなくなっちゃうかもしれないのに…”(-“”-)”[/word_balloon]

[word_balloon id=”1″ position=”L” size=”M” balloon=”talk” name_position=”under_avatar” radius=”true” avatar_border=”false” avatar_shadow=”false” balloon_shadow=”true”]黙って分析して数値を出しなさい！！[/word_balloon]

scikit-learn 線形単回帰分析でざっくりと価格推移を予測

それではCreepyNutsさんのCD価格を予測し，数値として出力しいきます！

今回はskit-learnを使用し，線形単回帰分析を行っていきます！！

[word_balloon id=”1″ position=”R” size=”M” balloon=”talk” name_position=”under_avatar” radius=”true” avatar_border=”false” avatar_shadow=”false” balloon_shadow=”true”]線形だから一次式，単回帰だから1次元ね！！[/word_balloon]

コードはこちらのようになります。☟☟☟

mport pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
import matplotlib.dates as mdates 

#変数 
fig = plt.figure() 
ax = fig.add_subplot(1,1,1) 

#y軸csvデータ読み込み 
data = pd.read_csv('cp.csv') 
y = np.array(data)#配列化 
y = y.reshape(-1,)#次元変更(2から1次元) 

#日付のx軸を作成 
x = pd.date_range('2019-08-30 00:00:00', periods=16, freq='d') 

#線形回帰次数1 
x1=np.arange(16) 
ab = np.polyfit(x1,y,1) 
y1 = np.poly1d(ab)(x1) 

#線形回帰次数5 
ab = np.polyfit(x1,y,5) 
y2 = np.poly1d(ab)(x1) 

#グラフ作成 
ax.plot(x,y,'b') 
ax.plot(x,y1,'k') 
ax.plot(x,y2,'--k') 

#グラフフォーマットの指定 
dayｓ = mdates.DayLocator() 
daysFmt = mdates.DateFormatter('%m-%d') 
ax.xaxis.set_major_locator(days) 
ax.xaxis.set_major_formatter(daysFmt) 
plt.xlabel("date")#横軸ラベル 
plt.ylabel("plice")#縦軸ラベル 
plt.grid(True)#目盛表示 
plt.tight_layout()#全てのプロットをボックス内に 
plt.show()

重要なコードについて解析します．

#線形単回帰

from sklearn import linear_model　

⇒skit-learnの線形解析用のモジュールをインポートします．
clf = linear_model.LinearRegression()

⇒clfという変数に回帰式をあてはめ分析します．xが経過日数のみの１次元なので，線形単回帰分析となります．
clf.fit(x2,y) # 予測モデルを作成

⇒分析した結果をから算出される近似線を生成します．