この記事ではpythonを使って回帰分析する際のコードをまとめていく。いくつか方法がありそうなので、ライブラリごとに書いていければと思う。
今回はnumpy.polyfit編。
いままでいろいろなライブラリを使ってきたが、numpyにもあったらしい。単純なn時の関数をフィッティングするならこれが一番単純っぽい。楽そうなので今後これで行きたいと思う。
%matplotlib notebook import numpy as np import matplotlib.pyplot as plt import seaborn as sns #データを作成 x = np.array([1, 2, 3, 4, 5]) y = np.array([2, 6, 6, 9, 6]) poly_fit = np.polyfit(x, y, 1) #3つ目の変数で次数を指定できる（今回は1次式) #結果 print("回帰係数(b)=",poly_fit[0]) print("切片(a)：",poly_fit[1]) #予想値 x_ex = np.arange(-1, 7, 0.1) y_ex = poly_fit[0] * x_ex + poly_fit[1] #プロット sns.set_style("whitegrid", {'grid.linestyle':'--'}) plt.rcParams["font.family"] = 'meiryo' fig1 = plt.figure(figsize=(3,3), facecolor='w') ax1 = fig1.add_subplot(111) ax1.set_xlim(-1, 7) ax1.set_ylim(-2, 10) ax1.set_xlabel("X",fontsize=10,fontname='meiryo') ax1.set_ylabel("Y",fontsize=10,fontname='meiryo') ax1.scatter(x, y, marker="o",alpha=1,edgecolors="#08699E",facecolor="#08699E", s=40) #実データ ax1.plot(x_ex, y_ex ,'r--',color="#000000") #回帰の予想値
出力はこんな感じ。
回帰係数(b)= 1.1 切片(a)： 2.5
参考
minimizeの使い方：scipyで任意の目的関数を最小化する - Qiita
