寻找目标和多个预测变量之间关系的公式答案

【问题标题】：Finding a formula for a relationship between a target and multiple predictor variables寻找目标和多个预测变量之间关系的公式
【发布时间】：2022-01-11 06:01:46
【问题描述】：

我有一个名为“covid”的数据集，其形状和头部如下：

number of instances:  19345
number of attributes:  7
  submission_date state  new_case  new_death    density   latitude   longitude
0      2020-06-01    KS       292          9  71.401302  39.011902  -98.484246
1      2020-06-01    WA       271          6  96.704458  47.751074 -120.740139
2      2020-06-01    MT         8          0   6.837955  46.879682 -110.362566
3      2020-06-01    IA       146         15  54.642103  41.878003  -93.097702
4      2020-06-01    KY       136          6        NaN  37.839333  -84.270018

每一行代表一个辖区（州列）的每日 covid 数据以及有关辖区的一些信息 - 每个辖区（州和某些地区）有 365 个对象。

如何找到作为自变量的submission_date、longitude 和latitude 列与作为因变量的new_case 列之间的关系？我想这将是一个多元回归，但我是该领域的新手，从未创建过回归。

【问题讨论】：

标签： python statistics regression data-mining

【解决方案1】：

您可以使用许多模型类型和包。我将展示一个使用 catboost 的示例：

from catboost import CatBoostRegressor, Pool
from sklearn.model_selection import train_test_split

# Initialize data
df['submission_date_feature'] = df['submission_date'].as(int)
train_cols = ['submission_date_feature', 'longitude', 'latitude']
label_col = 'new_case'

X_train, y_train, X_test, y_test = train_test_split([df[train_cols], df[label_col]], test_size=0.2)

train_data = Pool(X_train, y_train)
eval_data = Pool(X_test, y_test)

# Initialize CatBoostRegressor
model = CatBoostRegressor(iterations=10,
                          learning_rate=1,
                          depth=3)
# Fit model
model.fit(train_data, eval_set=eval_data)

【讨论】：

模型建立后，有没有办法查看回归方程？预测的语法是什么？

【解决方案2】：

作为基准，您可以运行 OLS 回归：

import statsmodels.api as sm
Y = df['new_case'].values
df['submission_date_int'] = df['submission_date'].astype(int)
X = df[['submission_date_int', 'longitude', 'latitude']].values
X = sm.add_constant(X)
model = sm.OLS(Y,X)
results = model.fit()
print(results.summary())

或使用sklearn.linear_model.LinearRegression。

【讨论】：

模型建立后，有没有办法查看 OLS 方程？预测的语法是什么？

【解决方案3】：

您可以通过以下方式在sklearn中使用多元线性回归查看回归方程。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

y = df['new_case'].values
df['submission_date_int'] = df['submission_date'].astype(int)
X = df[['submission_date_int', 'longitude', 'latitude']].values

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)

reg_coeff = pd.DataFrame(regressor.coef_, X.columns, columns=['Reg_coeff'])
reg_coeff

【讨论】：