【第49回PYTHON講座】Sklearnで簡単な線形回帰

Sklearnと線形回帰

Sklearnは機械学習のライブラリとして有名です。

既存のデータとSklearnを使えば、将来に起こる事象を予想することが出来ます。

そして、Sklearnの機能の中で、線形回帰があります。

線形回帰というのは、下のグラフように複数のデータから最適な線形を求めます。青い線を求めることで、あるXの最適なYを求めることが出来ます。

プログラムの内容

今回は上記のデータを使って、X＝５の時のYの値はどのようになるかを求めます。Y=2Xという方程式の関係なので、データからは完全な再帰回帰が求められるので、Yの値は10になるはずです。

ライブラリのインストール

今回は、SklearnとNumpyのライブラリを使用します。インストールされていなければ、下記のコマンドを実施してインストールをして下さい。

pip install sklearn
pip install numpy

プログラムコード

import numpy as np
from sklearn.linear_model import LinearRegression


X = np.array([[1], [2], [3], [4]])
Y= np.array([[2], [4], [6], [8]])


reg = LinearRegression().fit(X, Y)

print(reg.predict(np.array([[5]])))

print(reg.coef_)
print(reg.intercept_)

1、２行目　ライブラリをインポート

LinearRegressionは線形回帰の関数になります。

５，６行目　データの設定

XとYのデータはnp.array型で設定します。ここが重要です。

Sklearnのデータを扱う時はnumpy配列を使用するということを忘れないでください。

９行目　データを再帰回帰処理する

reg = LinearRegression().fit(X, Y)

XとYのデータを再帰回帰処理します。

regという中に再帰回帰する計算式が収まるという形になります。

１１行目　X＝５の時の予想

print(reg.predict(np.array([[5]])))

最後にX＝５の時の予想を出力します。この場合、np.array([])というデータ型で入力して下さい。

predictは英語で予想するを意味します。

プログラムを実行すると、下記のように10が出力されます。

[[10.]]

１３，１４行目　傾きと切片

print(reg.coef_)
print(reg.intercept_)

reg.coef_は傾き、reg.intercept_は切片になります。

[[2.]]
[0.]

出力結果は上記になりますので、Y=２X＋０という式になります。

まとめ

いかだったでしょうか。

今回はSklearnの簡単な使い方を紹介しました。

まずは簡単な処理を覚えて、より深いSklearnの処理に使い方について覚えていければいいですね。