Discussion :

[Mister Nono]

Bonjour,

J'ai un modèle de régression linéaire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
from sklearn.linear_model import LinearRegressionregressor = LinearRegression()
regressor.fit(X_train, y_train)
prediction = regressor.predict(X_test)

Le soucis est pour afficher (avec Matplotlib ou autre librairie) la droite de régression linéaire qui a été calculée par sklearn.

Comment faire cette petite chose qui semble toute simple ?

Merci.

A+

[Julien N]

Salut,

prediction est array de dimension 1. Je vais supposé que X_test est de dimension (n,1). Normalement X_train doit être un array de dimension (n,d) avec n le nombre d'observations/points et d le nombre de features, tandis que y_train doit être de dimension (n,), c'est à dire une liste (pas d'erreur, il n'y a rien après la virgule). Je précise, parce que je me suis souvent pris la tête avec ces problèmes de dimensions...

La seule difficulté est alors de passer X_test de la dimension (m,1), avec m le nombre de points, à la dimension (m,). Autrement dit d'un vecteur colonne à une liste. Pour ces changement de forme, j'ai une préférence pour np.hstack() et np.vstack(), le premier mettant à l'horizontal et l'autre à la vertical.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import numpy as np
import matplotlib.pyplot as plt
 
from sklearn.linear_model import LinearRegression
 
# Creation d'un jeux de données basique
x = np.linspace(0, 20, 21)
y = x + np.random.rand(21)
X_train, y_train = np.vstack(x), y
X_test = np.vstack(np.linspace(0, 20, 6))
 
# Model de regression
regressor = LinearRegression()
regressor.fit(X_train, y_train)
prediction = regressor.predict(X_test)
 
# On fait un petit graph
fig, ax = plt.subplots()
ax.scatter(np.hstack(X_train), y_train, label='Training set')
ax.scatter(np.hstack(X_test), prediction, color='red', label='Prediction')
ax.set_xlabel('Input')
ax.set_ylabel('Output')
ax.legend()
 
plt.show()

Ce qui donne :


J

[Mister Nono]

Salut,[...]

Merci beaucoup pour tes explications précises et complètes : C'est très appréciable.

Je vais tester cela.

A+