迭代三行然后进行线性回归

Question

我只想在两列中迭代三行，然后在迭代函数中，我在这三行中进行线性回归。所以，迭代三行，做线性回归，迭代三行，做线性回归，等等。

我把数据输入here。我想在 Year 和 Value 列中迭代三行，然后进行线性回归，然后在 Year 和 Value 列中迭代三行，然后进行线性回归，依此类推。

我已经尝试过这段代码，但是有一个错误

year=data_['Year']
value=data_['Value']
i=0
count=0

for a,b in zip(year,value):
    print(a,b)
    count = count+1

    if count%3 == 0:

        x=np.array([[a]])
        y=np.array([[b]])

        reg=linear_model.LinearRegression()
        x_train,x_test,y_train,y_test=train_test_split(x,y,test_size = 0.2 ,random_state=3)
        reg.fit(x_train,y_train)

        y4=4*reg.coef_ + reg.intercept_
        plt.scatter(x,y)
        plt.show()
        print(reg.coef_)
        print("R^2 : ",reg.score(x, y))
        print("Equation : 4 *", reg.coef_, "+", reg.intercept_)
        print("Y4 : ", y4)
        print("====")

我希望每三行的输出产生一个斜率、系数和方程。

Answer 1

如果您希望每三年进行一次简单的线性回归，请尝试以下操作：

# Hardcoded input data for clarity
#all_years = data_['Year'].values
#all_values = data_['Value'].values
all_years = np.array([1,2,3,
                      1,2,3,
                      1,2,3,
                      1,2,3,
                      1,2,3])
all_values = np.array([  6.262008,   5.795994,   5.082662,
                       285.433511, 260.436601, 238.713124,
                         2.596145,   2.508278,   2.67997, 
                        90.823952,  91.0962765, 93.821241,
                        19.677544,  18.464335,  18.035489])


w = 3  # window size
for i in range(len(all_years)//w):

    years = all_years[w*i : w*(i+1)].reshape(-1,1)
    values = all_values[w*i : w*(i+1)].reshape(-1,1)
    #print(years, values)

    reg=linear_model.LinearRegression()
    reg.fit(years, values)

    y=(w+1)*reg.coef_ + reg.intercept_
    plt.scatter(years, values)
    plt.show()
    print(reg.coef_)
    print("R^2 : ",reg.score(years, values))
    print("Equation : (w+1) *", reg.coef_, "+", reg.intercept_)
    print("Y4 : ", y)
    print("====")

在这种情况下，长度将为15，因此for循环将通过i= 1, ..., 4。然后我使用 numpy 的数组切片选择你想要的年份和值。

例如，对于 i=1，这将选择 [3*(1-1) : 3*1] = [0 : 3]，准确给出前三行。然后，为了确保这与期望列向量的线性回归很好地配合，我将数组重新整形为由 1 列和 .reshape(-1, 1) 组成。

然后就是随心所欲的训练和绘图了。

对于更易于阅读并避免手动索引问题的版本，您可能还需要查看more-itertools 包。具体来说，chunked 方法在这种情况下很有用，可以将数据分成固定长度的块，在这种情况下为 3：

from more_itertools import chunked

...

w = 3  # window size  
for years, values in zip(chunked(all_years, n=w), chunked(all_values, n=w)):

    years = years.reshape(-1,1)
    values = values.reshape(-1,1)
    #print(years, values)

    ...