Como obter o resumo do modelo de regressão do scikit-learn

Muitas vezes você pode querer extrair um resumo de um modelo de regressão criado usando o scikit-learn em Python.

Infelizmente, o scikit-learn não oferece muitas funções integradas para analisar o resumo de um modelo de regressão, pois geralmente é usado apenas para fins preditivos .

Portanto, se quiser obter um resumo de um modelo de regressão em Python, você tem duas opções:

1. Use as funções limitadas do scikit-learn.

2. Em vez disso, use modelos estatísticos .

Os exemplos a seguir mostram como usar cada método na prática com o seguinte DataFrame do pandas:

 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

Método 1: Obtenha o resumo do modelo de regressão do Scikit-Learn

Podemos usar o seguinte código para ajustar um modelo de regressão linear múltipla usando o 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)

Podemos então usar o seguinte código para extrair os coeficientes de regressão do modelo, bem como o valor R ao quadrado do modelo:

 #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

Usando esta saída, podemos escrever a equação para o modelo de regressão ajustado:

y = 70,48 + 5,79x ₁ – 1,16x ₂

Pode-se observar também que o valor R ² do modelo é 76,67.

Isso significa que 76,67% da variação da variável resposta pode ser explicada pelas duas variáveis preditoras do modelo.

Embora este resultado seja útil, ainda não conhecemos a estatística F geral do modelo, os valores p dos coeficientes de regressão individuais e outras medidas úteis que podem nos ajudar a entender quão bem o modelo se ajusta ao modelo. conjunto de dados.dataset.

Método 2: obter o resumo do modelo de regressão em Statsmodels

Se você deseja extrair um resumo de um modelo de regressão em Python, é melhor usar o pacote statsmodels .

O código a seguir mostra como usar este pacote para ajustar o mesmo modelo de regressão linear múltipla do exemplo anterior e extrair o resumo do modelo:

 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
==================================================== ============================

Observe que os coeficientes de regressão e o valor de R ao quadrado correspondem aos calculados pelo scikit-learn, mas também temos muitas outras métricas úteis para o modelo de regressão.

Por exemplo, podemos ver os valores p para cada variável preditora individual:

• valor p para x ₁ = 0,001
• valor p para x ₂ = 0,309

Também podemos ver a estatística F geral do modelo, o valor R-quadrado ajustado , o valor AIC do modelo e muito mais.

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras operações comuns em Python:

Como realizar regressão linear simples em Python
Como realizar regressão linear múltipla em Python
Como calcular AIC de modelos de regressão em Python