Python
 Computer >> コンピューター >  >> プログラミング >> Python

Pythonでの相関と回帰

相関とは、2つのデータセット間の依存関係を含むいくつかの統計的関係を指します。線形回帰は、従属変数と1つ以上の独立変数の間の関係を確立するための線形アプローチです。単一の独立変数は線形回帰と呼ばれ、複数の独立変数は重回帰と呼ばれます。

相関

依存する現象の簡単な例としては、親と子孫の外見の相関関係、製品の価格と供給量の相関関係などがあります。seabornpythonライブラリで利用可能なアイリスデータセットの例を取り上げます。その中で、3種のアヤメの花のがく片と花びらの長さと幅の相関関係を確立しようとしています。見つかった相関関係に基づいて、ある種を別の種から簡単に区別する強力なモデルを作成できます。

例

import matplotlib.pyplot as plt
import seaborn as sns
df = sns.load_dataset('iris')
#without regression
sns.pairplot(df, kind="scatter")
plt.show()

出力

上記のコードを実行すると、次の結果が得られます-

Pythonでの相関と回帰

線形回帰

数学的には、線形関係はグラフとしてプロットされたときに直線を表します。変数の指数が1に等しくない非線形関係は、曲線を作成します。線形回帰関係を見つけるためのSeabornの関数はregplotです。以下の例はその使用法を示しています。

例

import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('tips')
sb.regplot(x = "total_bill", y = "tip", data = df)
plt.show()

出力

上記のコードを実行すると、次の結果が得られます-

Pythonでの相関と回帰


  1. Pythonを使用した線形回帰？

    線形回帰は、2つの変数の間に正または負の関係があるかどうかを示す、機械学習の最も簡単な標準ツールの1つです。 線形回帰は、迅速な予測分析に適した数少ないツールの1つです。このセクションでは、python pandasパッケージを使用してデータを読み込み、線形回帰モデルを推定、解釈、視覚化します。 さらに下に行く前に、最初に回帰とは何かについて説明しましょう。 回帰とは何ですか？ 回帰は、従属変数と独立変数の間の関係を作成するのに役立つ予測モデリング手法の形式です。 回帰の種類 線形回帰 ロジスティック回帰 多項式回帰 ステップワイズ回帰 線形回帰はどこで使用されますか？ 傾向と売上

  2. =+と+=はPythonで何をしますか？

    + =演算子は、object .__ iadd __（）関数のシンタックスシュガーです。 Pythonドキュメントから： これらのメソッドは、拡張された算術割り当て（+ =、-=、* =、@ =、/ =、// =、％=、** =、）を実装するために呼び出されます。 =、＆=、^ =、| =）。これらのメソッドは、その場で操作を実行し（自己を変更）、結果を返すようにする必要があります（自己である可能性がありますが、そうである必要はありません）。 例 だからあなたが次のようなことをするとき- a = 5 b = 10 a += b print(a) 出力 これにより、出力が得られます- 15