Multiple Regression Part 1

-

 


Multiple Regression

Multiple Regression seperti regresi linier , tetapi dengan lebih dari satu nilai independen, artinya kami mencoba memprediksi nilai berdasarkan dua variabel atau lebih.

Lihatlah kumpulan data di bawah ini, ini berisi beberapa informasi tentang mobil.
CarModelVolumeWeightCO2
ToyotaAygo100079099
MitsubishiSpace Star1200116095
SkodaCitigo100092995
Fiat50090086590
MiniCooper15001140105
VWUp!1000929105
SkodaFabia1400110990
MercedesA-Class1500136592
FordFiesta1500111298
AudiA11600115099
Kita dapat memprediksi emisi CO2 mobil berdasarkan ukuran mesin, tetapi dengan regresi berganda kita dapat menambahkan lebih banyak variabel, seperti berat mobil, untuk membuat prediksi lebih akurat.

How Does it Work?

Di Python kami memiliki modul yang akan melakukan pekerjaan untuk kami. Mulailah dengan mengimpor modul Pandas.

import pandas

Pelajari tentang modul Pandas di Tutorial Pandas kami .

Modul Pandas memungkinkan kita membaca file csv dan mengembalikan objek DataFrame.

File ini dimaksudkan untuk tujuan pengujian saja, Anda dapat mengunduhnya di sini: data.csv.

df = pandas.read_csv("data.csv")

Kemudian buat daftar nilai independen dan panggil variabel ini X.

Masukkan nilai dependen dalam variabel yang disebut y.

X = df[['Weight', 'Volume']]
y = df['CO2']

Tip: Adalah umum untuk menamai daftar nilai independen dengan huruf besar X, dan daftar nilai dependen dengan huruf kecil y.

Kami akan menggunakan beberapa metode dari modul sklearn, jadi kami harus mengimpor modul itu juga:

from sklearn import linear_model

Dari modul sklearn kita akan menggunakan LinearRegression() metode untuk membuat objek regresi linier.

Objek ini memiliki metode yang disebut fit() yang mengambil nilai independen dan dependen sebagai parameter dan mengisi objek regresi dengan data yang menggambarkan hubungan:

regr = linear_model.LinearRegression()
regr.fit(X, y)

Sekarang kita memiliki objek regresi yang siap memprediksi nilai CO2 berdasarkan berat dan volume mobil:

#predict the CO2 emission of a car where the weight is 2300kg, and the volume is 1300cm3:
predictedCO2 = regr.predict([[2300, 1300]])


Contoh
Lihat seluruh contoh dalam tindakan:
import pandas
from sklearn import linear_model

df = pandas.read_csv("data.csv")

X = df[['Weight', 'Volume']]
y = df['CO2']

regr = linear_model.LinearRegression()
regr.fit(X, y)

#predict the CO2 emission of a car where the weight is 2300kg, and the volume is 1300cm3:
predictedCO2 = regr.predict([[2300, 1300]])

print(predictedCO2)

Hasil
[107.2087328]

Kami memperkirakan mobil dengan mesin 1,3 liter, dan bobot 2300 kg, akan melepaskan sekitar 107 gram CO2 untuk setiap kilometer yang dikendarainya.

Komentar

Posting Komentar

Postingan populer dari blog ini

NumPy Array Search

-
Gambar
  Searching Arrays Kita dapat mencari array untuk nilai tertentu, dan mengembalikan index yang cocok. Untuk mencari array, gunakan where() . Contoh Temukan index dimana nilainya adalah 4. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  4 ,  4 ]) x =   np.where(arr ==  4 ) print (x) Contoh diatas akan mengembalikan Tuple: (array([3, 5, 6]),) Yang artinya nilai 4 terdapat pada index 3, 5, dan 6. Contoh Temukan index dimana nilainya genap. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ]) x =   np.where(arr% 2  ==  0 ) print (x) Contoh Temukan index dimana nilainya ganjil. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ]) x =   np.where(arr% 2  ==  1 ) print (x) Search Sorted  Ada metode yang disebut searchsorted() yang mela...
Baca selengkapnya

NumPy Array Split

-
Gambar
  Splitting NumPy Arrays Splitting/Pemisahan adalah operasi kebalikan dari Joining. Bergabung/Joining menggabungkan beberapa array menjadi satu dan memisahkan memecah satu array menjadi banyak. Kita menggunakan array_split() untuk memisahkan array, kita memberikan array yang ingin kita bagi dan jumlah pemisahan. Contoh Bagi array menjadi 3 bagian. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ]) newarr =   np.array_split(arr,  3 ) print (newarr) Note: Nilai yang dikembalikan adalah array yang berisi 3 array. Jika array memiliki lebih sedikit elemen dari yang dibutuhkan, array akan menyesuaikan dari akhir. Contoh Bagi array menjadi 4 bagian. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ,  4 ,  5 ,  6 ]) newarr =   np.array_split(arr,  4 ) print (newarr) Note: Kita juga memiliki metode split() tersedia tetapi tidak akan menyesuaikan elemen ketika elemen ku...
Baca selengkapnya

NumPy Array Iterating

-
Gambar
  Iterating Array Iterating/iterasi berarti menelusuri elemen satu per satu. saat kita berurusan dengan array multi-dimensi di numpy, kita bisa melakukan ini menggunakan for loop dasar Python. Jika kita mengulangi/loop pada array 1-D, ia akan melewati setiap elemen satu per satu. Contoh  Iterasi pada elemen array 1-D berikut. import  numpy  as  np arr = np.array([ 1 ,  2 ,  3 ]) for  x  in  arr:    print (x) Iterating 2-D Arrays Dalam array 2-D itu akan melewati semua baris. Contoh Lakukan iterasi pada elemen array 2D berikut. import  numpy  as  np arr = np.array([[ 1 ,  2 ,  3 ], [ 4 ,  5 ,  6 ]]) for  x  in  arr:    print (x) Jika kita iterasi pada array n -D maka akan melewati dimensi n-1 satu per satu. Untuk mengembalikan nilai aktual, skalar, kita harus mengulangi/loop array di setiap dimensi. Contoh Iterasi pada  setiap elemen skalar dari array 2-D. import ...
Baca selengkapnya