データ分析⑦

 # PART2 重回帰モデルを作ってみよう
 # おまじない
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
%matplotlib inline
from sklearn.linear_model import LinearRegression as LR
# 線形回帰による予測を行うクラスとして、sklearn.linear_model.LinearRegression が用意
# 線形回帰モデル (Linear Regression) 

 # データの読み込み
 # train.csvとtest.csvとsample.csvの３つのファイルを読み込みましょう
 # それぞれを読み込んだものは変数はtrain, test, sampleに代入しましょう
 # sampleを読み込む時は、header=Noneというオプションを忘れないようにしましょう
train = pd.read_csv("train.csv")
test = pd.read_csv("test.csv")
sample = pd.read_csv("sample.csv",header=None)

 #trainのweekの各値がそれぞれいくつあるか数えてみましょう
train["week"].value_counts()
水    43
木    43
金    41
火    41
月    39
Name: week, dtype: int64

 # trainのweekを試しにダミー変数化してみよう
 # pd.get_dummies関数を使います
 # カッコの中にダミー変数化したい変数を書きます
pd.get_dummies(train["week"])
# 曜日を数値に変換
月	木	水	火	金
0	1	0	0	0	0
1	0	0	0	1	0
2	0	0	1	0	0
3	0	1	0	0	0
4	0	0	0	0	1
...	...	...	...	...	...
202	0	0	1	0	0
203	0	1	0	0	0
204	0	0	0	0	1
205	1	0	0	0	0
206	0	0	0	1	0
207 rows × 5 columns

 # trainからweekとtemperatureを抜きだし、ダミー変数化したものを変数trainXに代入しよう
 # trainX = pd.get_dummies(train[["week","temperature"]])
 # trainXの中身を確認してみましょう
trainX
temperature	week_月	week_木	week_水	week_火	week_金
0	19.8	1	0	0	0	0
1	17.0	0	0	0	1	0
2	15.5	0	0	1	0	0
3	15.2	0	1	0	0	0
4	16.1	0	0	0	0	1
...	...	...	...	...	...	...
202	24.8	0	0	1	0	0
203	25.4	0	1	0	0	0
204	27.1	0	0	0	0	1
205	26.6	1	0	0	0	0
206	28.1	0	0	0	1	0
207 rows × 6 columns

 # trainからyを取り出し、変数yに代入しましょう
y = train["y"]
 # 回帰モデルの箱を用意しましょう
 # 変数名はmodelとしましょう
model = LR()
 # 重回帰モデルを作りましょう
model.fit(trainX,y)
LinearRegression()
 # 作ったモデルの傾きや切片を確かめてみましょう
model.coef_
 # -2.53878074 = temperature
 # 8.26339936 = 月 →売上が上がる傾向
 # -9.47240196 = 木 →売上が下がる傾向
 #-2.02873774 = 水
 #1.85251984 = 火
 #1.38522051 = 金 
array([-2.53878074,  8.26339936, -9.47240196, -2.02873774,  1.85251984,
       1.38522051])
model.intercept_
135.69119841401601

 # 実習
 # 1.testからweekとtemperatureを抜きだし、ダミー変数化したものを変数testXに代入しよう
testX = pd.get_dummies(test[["week","temperature"]])

 # 2.testXの中身を確認しよう
testX
temperature	week_月	week_木	week_水	week_火	week_金
0	20.2	0	0	1	0	0
1	23.9	0	1	0	0	0
2	28.7	0	0	0	0	1
3	21.5	1	0	0	0	0
4	22.1	0	0	0	1	0
5	23.3	0	0	1	0	0
6	22.5	0	1	0	0	0
7	26.1	0	0	0	0	1
8	26.8	0	0	0	1	0
9	15.6	0	0	1	0	0
10	18.6	0	1	0	0	0
11	23.0	0	0	0	0	1
12	23.9	1	0	0	0	0
13	20.2	0	0	0	1	0
14	15.5	0	0	1	0	0
15	14.7	0	1	0	0	0
16	18.7	0	0	0	0	1
17	22.7	1	0	0	0	0
18	19.1	0	0	0	1	0
19	19.6	0	0	1	0	0
20	19.6	0	1	0	0	0
21	18.8	0	0	0	0	1
22	18.9	0	0	0	1	0
23	16.0	0	0	1	0	0
24	19.2	0	1	0	0	0
25	20.1	0	0	0	0	1
26	21.2	1	0	0	0	0
27	14.7	0	0	0	1	0
28	14.4	0	0	1	0	0
29	19.5	0	1	0	0	0
30	15.8	0	0	0	0	1
31	14.3	1	0	0	0	0
32	16.1	0	0	0	1	0
33	14.9	0	0	1	0	0
34	10.5	0	1	0	0	0
35	14.9	0	0	0	0	1
36	11.4	0	0	0	1	0
37	9.2	0	0	1	0	0
38	15.1	0	1	0	0	0
39	15.3	0	0	0	0	1

 # 3.modelとtestXを使って予測をして、予測結果を変数名predに代入しよう
pred = model.predict(testX)
pred
array([ 82.37908978,  65.54193684,  64.21341177,  89.37081192,
       81.43666396,  74.5088695 ,  69.09622987,  70.81424168,
       69.5043945 ,  94.05748117,  78.99747474,  78.68446197,
       83.27773815,  86.26034736,  94.31135925,  88.89871962,
       89.60121914,  86.32427504,  89.05300617,  83.90235823,
       76.45869401,  89.34734106,  89.56076232,  93.04196888,
       77.4742063 ,  86.0469261 ,  90.13244614, 100.22364142,
       97.10401806,  76.71257208,  96.96368327, 107.65003323,
       96.66934838,  95.83462769,  99.56159871,  99.24858594,
      108.60161785, 110.30567789,  87.88320732,  98.23307364])
      
 # 4.sample[1]にpredを代入して、"submit3.csv"というファイル名でファイル出力しよう
sample[1] = pred
sample.to_csv("submit3.csv",index=None,header=None)
 # 5.submit3.csvをDeepAnalyticsに投稿して、submit1.csvやsubmit2.csvのスコアと比較してみよう