Come ottenere un riepilogo del modello di regressione da scikit-learn

Spesso potresti voler estrarre un riepilogo di un modello di regressione creato utilizzando scikit-learn in Python.

Sfortunatamente, scikit-learn non offre molte funzioni integrate per analizzare il riepilogo di un modello di regressione, poiché generalmente viene utilizzato solo per scopi predittivi .

Quindi, se vuoi ottenere un riepilogo di un modello di regressione in Python, hai due opzioni:

1. Utilizza le funzioni limitate di scikit-learn.

2. Utilizzare invece modelli statistici .

I seguenti esempi mostrano come utilizzare ciascun metodo nella pratica con i seguenti DataFrame panda:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' x1 ': [1, 2, 2, 4, 2, 1, 5, 4, 2, 4, 4],
                   ' x2 ': [1, 3, 3, 5, 2, 2, 1, 1, 0, 3, 4],
                   ' y ': [76, 78, 85, 88, 72, 69, 94, 94, 88, 92, 90]})

#view first five rows of DataFrame
df. head ()

       x1 x2 y
0 1 1 76
1 2 3 78
2 2 3 85
3 4 5 88
4 2 2 72

Metodo 1: ottenere il riepilogo del modello di regressione da Scikit-Learn

Possiamo utilizzare il seguente codice per adattare un modello di regressione lineare multipla utilizzando scikit-learn:

 from sklearn. linear_model import LinearRegression

#initiate linear regression model
model = LinearRegression()

#define predictor and response variables
x, y = df[[' x1 ', ' x2 ']], df. y

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

Possiamo quindi utilizzare il codice seguente per estrarre i coefficienti di regressione dal modello nonché il valore R quadrato del modello:

 #display regression coefficients and R-squared value of model
print (model. intercept_ , model. coef_ , model. score (X, y))

70.4828205704 [5.7945 -1.1576] 0.766742556527

Utilizzando questo output, possiamo scrivere l’equazione per il modello di regressione adattata:

y = 70,48 + 5,79x ₁ – 1,16x ₂

Si può anche vedere che il valore ^R2 del modello è 76,67.

Ciò significa che il 76,67% della variazione nella variabile di risposta può essere spiegato dalle due variabili predittive del modello.

Sebbene questo risultato sia utile, non conosciamo ancora la statistica F complessiva del modello, i valori p dei singoli coefficienti di regressione e altre misure utili che possono aiutarci a capire quanto bene il modello si adatta al modello. set di dati.set di dati.

Metodo 2: ottenere il riepilogo del modello di regressione da Statsmodels

Se vuoi estrarre un riepilogo di un modello di regressione in Python, è meglio usare il pacchetto statsmodels .

Il codice seguente mostra come utilizzare questo pacchetto per adattare lo stesso modello di regressione lineare multipla dell’esempio precedente ed estrarre il riepilogo del modello:

 import statsmodels. api as sm

#define response variable
y = df[' y ']

#define predictor variables
x = df[[' x1 ', ' x2 ']]

#add constant to predictor variables
x = sm. add_constant (x)

#fit linear regression model
model = sm. OLS (y,x). fit ()

#view model summary
print ( model.summary ())

                            OLS Regression Results                            
==================================================== ============================
Dept. Variable: y R-squared: 0.767
Model: OLS Adj. R-squared: 0.708
Method: Least Squares F-statistic: 13.15
Date: Fri, 01 Apr 2022 Prob (F-statistic): 0.00296
Time: 11:10:16 Log-Likelihood: -31.191
No. Comments: 11 AIC: 68.38
Df Residuals: 8 BIC: 69.57
Df Model: 2                                         
Covariance Type: non-robust                                         
==================================================== ============================
                 coef std err t P>|t| [0.025 0.975]
-------------------------------------------------- ----------------------------
const 70.4828 3.749 18.803 0.000 61.839 79.127
x1 5.7945 1.132 5.120 0.001 3.185 8.404
x2 -1.1576 1.065 -1.087 0.309 -3.613 1.298
==================================================== ============================
Omnibus: 0.198 Durbin-Watson: 1.240
Prob(Omnibus): 0.906 Jarque-Bera (JB): 0.296
Skew: -0.242 Prob(JB): 0.862
Kurtosis: 2.359 Cond. No. 10.7
==================================================== ============================

Tieni presente che i coefficienti di regressione e il valore R quadrato corrispondono a quelli calcolati da scikit-learn, ma abbiamo anche moltissimi altri parametri utili per il modello di regressione.

Ad esempio, possiamo vedere i valori p per ogni singola variabile predittrice:

• valore p per x ₁ = 0,001
• valore p per x ₂ = 0,309

Possiamo anche vedere la statistica F complessiva del modello, il valore R quadrato corretto , il valore AIC del modello e molto altro.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni in Python:

Come eseguire una semplice regressione lineare in Python
Come eseguire regressioni lineari multiple in Python
Come calcolare l’AIC dei modelli di regressione in Python