Многовариантная / множественная линейная регрессия в Scikit Learn?

У меня есть набор данных (dataTrain.csv и dataTest.csv) в файле .csv в этом формате:

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

И может построить регрессионную модель и прогноз с помощью этого кода:

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]

Однако то, что я хочу сделать, - это многомерная регрессия. Итак, модель будет CompressibilityFactor(Z) = intercept + coef*Temperature(K) + coef*Pressure(ATM)

Как это сделать в scikit-learn?


python pandas scikit-learn sklearn-pandas
person Drizzer Silverberg    schedule 05.02.2017    source источник
comment
Просто включите температуру и давление в свой xtrain, xtest. x_train = dataTrain[["Temperature(K)", "Pressure(ATM)"]], а затем то же самое для x_test.   -  person rtk22    schedule 05.02.2017

Ответы (2)


arrow_upward
17
arrow_downward

Если ваш код выше работает для одномерного, попробуйте это

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)']].to_numpy().reshape(-1,2)
y_train = dataTrain['CompressibilityFactor(Z)']

x_test = dataTest[['Temperature(K)', 'Pressure(ATM)']].to_numpy().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]
person piRSquared    schedule 05.02.2017
comment
DataFrames не имеют функции reshape. Чтобы запустить приведенный выше код, я должен сначала использовать values, например x_train = dataTrain[['Temperature(K)', 'Pressure(ATM)']].values.reshape(-1,2). - person Warren O'Neill; 19.12.2018

arrow_upward
0
arrow_downward

Правильно, вам нужно использовать .values.reshape (-1,2)

Кроме того, если вы хотите узнать коэффициенты и точку пересечения выражения:

Коэффициент сжимаемости (Z) = точка пересечения + коэффициент температура (K) + коэффициент давления (атм)

их можно получить с помощью:

Коэффициенты = model.coef_
intercept = model.intercept_

person Fabrizio Peruzzo    schedule 19.05.2019