Регрессия в scikit-learn

~4 минуты · 3 примера · 3 вопроса

На практике регрессию не пишут с нуля — берут готовую библиотеку. Посмотрим, как это выглядит.

Мы разобрали идею изнутри. В реальных проектах подбор коэффициентов и минимизацию ошибки берёт на себя библиотека. Самая популярная для классического ML — scikit-learn. Примеры ниже — иллюстрации: scikit-learn, numpy и pandas в браузерном песочнике не запускаются, но именно так выглядит настоящий код. Запоминайте структуру.

Минимальный пример

# Иллюстрация (scikit-learn в браузере не запустится)
from sklearn.linear_model import LinearRegression

# Признак: площадь. Метка: цена в млн руб.
X = [[40], [60], [80], [100]]
y = [8, 11, 14, 17]

model = LinearRegression()
model.fit(X, y)                       # обучение: подбор k и b

print("Наклон k:", model.coef_)       # коэффициент при признаке
print("Сдвиг b:", model.intercept_)   # свободный член

print("Прогноз для 70 м2:", model.predict([[70]]))

Здесь видна та же формула y = k*x + b из прошлого урока: model.coef_ — это k, а model.intercept_ — b. Библиотека лишь подобрала их за вас, минимизируя ошибку.

Несколько признаков

Добавить признаки — просто расширить строки в X. Остальное не меняется:

# Иллюстрация: два признака — площадь и число комнат
from sklearn.linear_model import LinearRegression

X = [[40, 1], [60, 2], [80, 3], [100, 4]]
y = [8, 11, 14, 17]

model = LinearRegression()
model.fit(X, y)

# Прогноз для квартиры 70 м2, 2 комнаты
print(model.predict([[70, 2]]))

Оценка качества

После обучения важно понять, насколько модель хороша. У scikit-learn есть готовые метрики; для регрессии часто берут MSE (его мы считали руками) и коэффициент детерминации R². Главное правило, которое мы подробно разберём позже: оценивать модель надо на данных, которых она не видела при обучении.

# Иллюстрация: оценка ошибки на тестовых данных
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

model = LinearRegression()
model.fit(X_train, y_train)            # учим на обучающей выборке
y_pred = model.predict(X_test)         # предсказываем на тестовой

mse = mean_squared_error(y_test, y_pred)
print("MSE на тесте:", mse)

Не только прямые

scikit-learn — это десятки моделей с одинаковым интерфейсом fit/predict. Кроме линейной регрессии есть деревья решений, случайный лес, градиентный бустинг и другие методы, которые ловят нелинейные зависимости. Прелесть единого интерфейса: попробовать другую модель — это поменять одну строку с её названием, всё остальное остаётся прежним.

ШагМетод
Создать модельmodel = LinearRegression()
Обучитьmodel.fit(X_train, y_train)
Предсказатьmodel.predict(X_new)
Оценитьmean_squared_error(y_test, y_pred)

Итог

  • На практике регрессию обучают готовой библиотекой, например scikit-learn.
  • Интерфейс единый: fit для обучения, predict для предсказания.
  • coef_ и intercept_ — это знакомые нам k и b.
  • Сменить алгоритм — поменять одну строку; качество всегда оценивают на отдельных тестовых данных.

Проверь себя

Три вопроса по уроку. Ответы никуда не идут — это для тебя.

1Какой шаблон методов используют модели scikit-learn?

2Чему в формуле y = k*x + b соответствуют model.coef_ и model.intercept_?

3На каких данных правильно оценивать качество обученной модели?

Следующий урок
9 · Классификация: предсказываем класс Открыть урок 9
Урок 7: Функция потерь и MSE