Multiple Regression Part 2

Coefficient

Confficient adalah faktor yang menggambarkan hubungan dengan variabel yang tidak diketahui.

Contoh: jika x adalah sebuah variabel, maka 2x adalah x dua kali. x adalah variabel yang tidak diketahui, dan angka 2 adalah Confficient.

Dalam hal ini, kita dapat menanyakan nilai Confficient berat terhadap CO2, dan untuk volume terhadap CO2. Jawaban yang kita dapatkan memberi tahu kita apa yang akan terjadi jika kita menambah, atau mengurangi, salah satu nilai independen.

Contoh

Cetak nilai Confficient regression object.

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)

print(regr.coef_)

Hasil

[0.00755095 0.00780526]

Result Explained

Array hasil mewakili nilai koefisien/Confficient berat dan volume.

Berat: 0,00755095

Volume: 0,00780526

Nilai-nilai ini memberi tahu kita bahwa jika beratnya bertambah 1kg, emisi CO2 meningkat sebesar 0,00755095g.

Dan jika ukuran mesin (Volume) bertambah 1 cm 3 , maka emisi CO2 bertambah sebesar 0.00780526 g.

Saya pikir itu tebakan yang adil, tapi biarkan mengujinya!

Kami telah memperkirakan bahwa jika mobil dengan mesin 1300cm 3 memiliki berat 2300kg, emisi CO2 akan menjadi sekitar 107g.

Bagaimana jika kita menambah berat dengan 1000kg?

Contoh

Salin contoh sebelumnya, tetapi ubah bobot dari 2300 menjadi 3300:

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)

predictedCO2 = regr.predict([[3300, 1300]])

print(predictedCO2)

Hasil

[114.75968007]

Kita memperkirakan mobil dengan mesin 1,3 liter, dan bobot 3300 kg, akan melepaskan sekitar 115 gram CO2 untuk setiap kilometer yang dikendarainya.

Yang menunjukkan bahwa koefisien 0,00755095 benar:

107,2087328 + (1000 * 0,00755095) = 114,75968