まず、scikit-learnをインストールします。次に、必要なライブラリをインポートします。
import numpy as np
from sklearn.linear_model import LinearRegression次に、入力データと目標値を用意します。入力データは、特徴量を表す行列であり、目標値は予測したい値のベクトルです。
X = np.array([[1, 2], [3, 4], [5, 6]]) # 入力データ
y = np.array([3, 5, 7]) # 目標値線形回帰モデルのインスタンスを作成し、データにフィットさせます。
model = LinearRegression()
model.fit(X, y)モデルがフィットされた後は、新しいデータを予測することができます。
new_data = np.array([[7, 8], [9, 10]])
predictions = model.predict(new_data)以上で、scikit-learnを使用した線形回帰の実装が完了です。これは非常にシンプルな例ですが、実際のデータに適用する際には、データの前処理やモデルの評価など、さらに多くの手順が必要になる場合があります。
この記事では、scikit-learnを使用して線形回帰を実装する方法を解説しました。簡単でシンプルな手法ですが、実際のデータ分析において非常に有用です。是非、実際のデータに適用してみてください。