这个问题在其他地方有人问到过,但是在Scikit Learn中是否有一种方法可以包括所有变量或减去某些指定数量的所有变量,就像在R中一样?
举个例子,假设我有一个回归 y = x1 + x2 + x3 + x4。在R中,我可以通过运行以下命令来评估这个回归:
result = lm(y ~ ., data=DF)
summary(result)
我想必须有一种类似的方法可以在Python中压缩公式,因为为更大的数据集编写所有变量有点愚蠢。
这个问题在其他地方有人问到过,但是在Scikit Learn中是否有一种方法可以包括所有变量或减去某些指定数量的所有变量,就像在R中一样?
举个例子,假设我有一个回归 y = x1 + x2 + x3 + x4。在R中,我可以通过运行以下命令来评估这个回归:
result = lm(y ~ ., data=DF)
summary(result)
我想必须有一种类似的方法可以在Python中压缩公式,因为为更大的数据集编写所有变量有点愚蠢。
model.fit(df.drop('y', axis=1), df['y'])
这对大多数sklearn
模型都适用。
如果不使用pasty
,这将是R中~
和-
符号的pandas
+sklearn
等效表示。
要排除多个变量,可以执行以下操作
df.drop(['v1', 'v2'], axis=1)
iris
数据集和标签species
作为数字,并拟合线性回归模型,以查看如何在R
和python sklearn
中使用所有独立预测变量):
在R中:
summary(lm(as.numeric(Species)~., iris))[c('coefficients', 'r.squared')]
$coefficients
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.18649525 0.20484104 5.792273 4.150495e-08
Sepal.Length -0.11190585 0.05764674 -1.941235 5.416918e-02
Sepal.Width -0.04007949 0.05968881 -0.671474 5.029869e-01
Petal.Length 0.22864503 0.05685036 4.021874 9.255215e-05
Petal.Width 0.60925205 0.09445750 6.450013 1.564180e-09
$r.squared
[1] 0.9303939
在Python中(使用pasty的sklearn)
from sklearn.datasets import load_iris
import pandas as pd
from patsy import dmatrices
iris = load_iris()
names = [f_name.replace(" ", "_").strip("_(cm)") for f_name in iris.feature_names]
iris_df = pd.DataFrame(iris.data, columns=names)
iris_df['species'] = iris.target
# pasty does not support '.' at least in windows python 2.7, so here is the workaround
y, X = dmatrices('species ~ ' + '+'.join(iris_df.columns - ['species']),
iris_df, return_type="dataframe")
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X, y)
print model.score(X,y)
# 0.930422367533
print model.intercept_, model.coef_
# [ 0.19208399] [[0.22700138 0.60989412 -0.10974146 -0.04424045]]
正如我们所看到的,用pasty
在R
和Python
中学习的模型是相似的(系数的顺序不同)。
statsmodels
原生支持patsy
公式...值得一提...http://statsmodels.sourceforge.net/0.6.0/examples/notebooks/generated/formulas.html - juanpa.arrivillaga
my_dataframe.values
,而Sklearn通常需要某种形式的numpy
矩阵。再给我一个你正在做的例子,因为我使用过R和sklearn
,从来没有感觉到缺少R中的“公式”。我认为statsmodels
如果你喜欢公式进行回归分析,可以使用statsmodels
。 - juanpa.arrivillaga