単回帰分析ってなによ？

以下のサイト参考に単回帰分析とやらを、実践してみる。

https://github.com/karaage0703/machine-learning-study/blob/master/01_linear_regression.ipynb

気になったところのみ記録

import matplotlib.pyplot as plt

import seaborn as sns

plt.plot(x, y, 'o')

plt.show()

 

内容

散布図を描画。

ポイント

引数３番目の'o'

調べてみると、意味は、小さい円だそう。

つまり、散布図に示される点が、小さい円になりますよ。という意味。

 

実際、そうなった。

from sklearn.linear_model import LinearRegression

model_lr = LinearRegression()

model_lr.fit(x, y)

 

内容

予測モデルを作成

ポイント

データの型を最適化する

もともとどんな型していた？

x,yもpandas.DataFrame。

それはそうか。最初にCSVファイルをDFにしたんだもの。

 

なんだかんだで、こんな図式を得られた。どうやら、これが単回帰線というらしい。

切片が〇、傾きが▲って、中学校の数学を思い出す。

したのほうの、決定係数というのは散らばった点と、点たちから引いた線がどれくらい近いか

を示す数字らしい。１に近ければよいらしい。いまはこの辺の理解であえてとどめておく。

 

 

続いては、Numpyで単回帰

import numpy as np

np_x = x.values

np_x = np_x.T[0]

np_y = y.values

np_y = np_y.T[0]

np_xy = np.stack([np_x, np_y])

内容

データをNumpy型に変換

ポイント

np_x = np_x.T[0]

意味

配列の行列を入れ替える。

 

簡単な例

[[0 1 2]
 [3 4 5]]
[[0 3]
 [1 4]
 [2 5]]

 

数字が入った３つ入った２次元配列が、数字が２つ入った３次元配列に転換

 

 

まとめ

超入門かな！と思って、やり始めたけど途中から、難しい（おそらく統計学では、基礎単語？）

単語が出てき始めたので、手が止まり、とりあえず目は最後まで通したという結末。

やはり、Pythonは１つの手段であって、まずは本質である論理を理解しないとその手段も

ただのタイピング練習に終わってしまう。結局は、論理と実践のバランス感覚が重要という

まったく非技術的な教訓を得た一幕でした。