単純な線形回帰プログラム
単純な線形回帰プログラムの一例を示します。式は次のとおりです。y= b0 + b1 * x1-y =従属変数(DV)b0 =定数
この記事では、単純な線形回帰プログラムの一例を示します。
[sc_fs_faq html = 'true' headline = 'h2″ img =' 'question =' Simple Linear Regression Program 'img_alt =' 'css_class =' ']ライブラリの
インポートデータセットのインポート
データセットをトレーニングセットとテストセットに分割する
トレーニングトレーニングセットの単純な線形回帰モデル
テストセットの結果の予測
トレーニングセットの結果の
視覚化テストセットの結果の視覚化
[/ sc_fs_faq]
式は次のとおりです。
y = b0 + b1 * x1
y =従属変数(DV)
b0 =定数
b1 =係数
x1 =独立変数(IV)
プログラムの一例を次に示します。
ライブラリのインポート
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
データセットをインポートする
dataset = pd.read_csv('dataset-file.csv')
x = dataset.iloc[:, :-1].values
x = dataset.iloc[:, -1].values
dataset-file.csvファイルを自分のファイルに置き換え、ファイルのフルパスを指定します。
データセットをトレーニングセットとテストセットに分割する
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2, random_state = 0)
トレーニングセットで単純線形回帰モデルをトレーニングする
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train, y_train)
テストセットの結果の予測
y_pred = regressor.predict(x_test)
トレーニングセットの結果の視覚化
plt.scatter(x_train, y_train, color = 'red')
plt.plot(x_train, regressor.predit(x_train), color = 'blue')
plt.title('Name of the graph')
plt.xlabel('Name of the x label')
plt.ylabel('name of the y label')
plt.show()
テストセットの結果の視覚化
plt.scatter(x_test, y_test, color = 'red')
plt.plot(x_train, regressor.predit(x_train), color = 'blue')
plt.title('Name of the graph')
plt.xlabel('Name of the x label')
plt.ylabel('name of the y label')
plt.show()
単純な線形回帰プログラムを示しました。