トレーニングセットとテストセットを分割します。
X_train,X_test, y_train, y_test = sklearn.model_selection.train_test_split(train_data,train_target,test_size=0.25, random_state=0,stratify=y_train)
# train_data:所要划分的样本特征集
# train_target:所要划分的样本结果
# test_size:样本占比,如果是整数的话就是样本的数量
# random_state:是随机数的种子。
# 随机数种子:其实就是该组随机数的编号,在需要重复试验的时候,保证得到一组一样的随机数。比如你每次都填1,其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样。
# stratify是为了保持 split前 类的分布。
解釈を意味するsklearnのtrain_test_split()関数パラメーター
線形回帰:
from sklearn.linear_model import LinearRegression
reg = linear_model.LinearRegression()
reg.fit(X,y)
LinearRegressionは、多重線形回帰モデルを実装しています。もちろん、list [list]を使用してデータを渡すことにより、単変量線形モデルを計算するためにも使用できます。
- fit(X、y、sample_weight = None):X、yは行列として渡されますが、sample_weightは各テストデータの重みであり、配列形式でも渡されます。
- 予測(X):予測メソッド、予測値y_predを返します
- score(X、y、sample_weight = None):スコアリング関数。1未満のスコアを返します。これは0未満の場合があります。
LinearRegressionは方程式を2つの部分に格納し、coef_は回帰係数を格納し、intercept_は切片を格納します。したがって、方程式を表示するには、これら2つの変数の値を表示する必要があります。