So extrahieren sie regressionskoeffizienten aus dem scikit-learn-modell

Sie können die folgende grundlegende Syntax verwenden, um Regressionskoeffizienten aus einem mit scikit-learn in Python erstellten Regressionsmodell zu extrahieren:

 p.d. DataFrame ( zip ( X.columns , model.coef_ ))

Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.

Beispiel: Regressionskoeffizienten aus dem Scikit-Learn-Modell extrahieren

Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen zu den gelernten Stunden, der Anzahl der abgelegten Vorbereitungsprüfungen und der Abschlussprüfungsnote von 11 Schülern einer Klasse enthält:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' hours ': [1, 2, 2, 4, 2, 1, 5, 4, 2, 4, 4],
                   ' exams ': [1, 3, 3, 5, 2, 2, 1, 1, 0, 3, 4],
                   ' score ': [76, 78, 85, 88, 72, 69, 94, 94, 88, 92, 90]})

#view DataFrame
print (df)

    hours exam score
0 1 1 76
1 2 3 78
2 2 3 85
3 4 5 88
4 2 2 72
5 1 2 69
6 5 1 94
7 4 1 94
8 2 0 88
9 4 3 92
10 4 4 90

Wir können den folgenden Code verwenden, um ein multiples lineares Regressionsmodell anzupassen, indem wir Stunden und Prüfungen als Prädiktorvariablen und die Punktzahl als Antwortvariable verwenden:

 from sklearn. linear_model import LinearRegression

#initiate linear regression model
model = LinearRegression()

#define predictor and response variables
x, y = df[[' hours ', ' exams ']], df. score

#fit regression model
model. fit (x,y)

Anschließend können wir die folgende Syntax verwenden, um die Regressionskoeffizienten von Stunden und Prüfungen zu extrahieren:

 #print regression coefficients
p.d. DataFrame ( zip ( X.columns , model.coef_ ))

            0 1
0 hours 5.794521
1 exams -1.157647

Aus dem Ergebnis können wir die Regressionskoeffizienten für die beiden Prädiktorvariablen im Modell sehen:

• Koeffizient für Stunden : 5,794521
• Koeffizient für Prüfungen : -1,157647

Wenn wir möchten, können wir auch die folgende Syntax verwenden, um den Originalwert aus dem Regressionsmodell zu extrahieren:

 #print intercept value
print (model. intercept_ )

70.48282057040197

Mit jedem dieser Werte können wir die Gleichung für das angepasste Regressionsmodell schreiben:

Punktzahl = 70,483 + 5,795 (Stunden) – 1,158 (Prüfungen)

Mithilfe dieser Gleichung können wir dann die Abschlussprüfungsnote eines Schülers basierend auf der Anzahl der Lernstunden und der Anzahl der abgelegten Übungsprüfungen vorhersagen.

Beispielsweise sollte ein Student, der 3 Stunden lang gelernt und 2 Vorbereitungsprüfungen abgelegt hat, eine Abschlussnote von 85,55 erhalten:

• Punktzahl = 70,483 + 5,795 (Stunden) – 1,158 (Prüfungen)
• Punktzahl = 70,483 + 5,795(3) – 1,158(2)
• Punktzahl = 85,55

Verwandte Themen: So interpretieren Sie Regressionskoeffizienten

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie Sie andere gängige Vorgänge in Python ausführen:

So führen Sie eine einfache lineare Regression in Python durch
So führen Sie eine multiple lineare Regression in Python durch
So berechnen Sie den AIC von Regressionsmodellen in Python