2

Meu problema está no fato de não conseguir plotar uma linha - gráfico de função de primeiro grau - em meu primeiro modelo de regressão linear. Como resultado, possuo linhas unindo os pontos de gráfico de dispersão das features de treino. Não consigo reconhecer se o problema se encontra em meu modelo ou na plotagem do gráfico.inserir a descrição da imagem aqui

Aqui segue uma breve explicação sobre meu modelo que tenta prever a quantidade de cerveja ingerida.

Primeiro temos meu dataframe já limpo.

inserir a descrição da imagem aqui

Aqui realizei a separação das amostras, com 70% das features servindo como treino e 30% para testagem do modelo. Como Parâmetro adicionei as colunas que desejo analisar, excluindo a target - a que desejo descobrir, sendo a quantidade de cerveja ingerida).

x_train,  x_test, y_train, y_test= train_test_split(df.drop('Consumo de cerveja (litros)', axis=1),
                                               df['Consumo de cerveja (litros)'],
                                               test_size=0.3,
                                               random_state=42)

Então, armazenei na memória um espaço para a regressão:

model = LinearRegression()

E treinei o modelo com a feature e a target separadas acima:

model.fit(x_train, y_train)

Testei o score do modelo para treino e para teste - até onde entendi o score utiliza o calculo de R^2, certo?

model.score(x_train, y_train)  #resultado = 0.7063802238832536
model.score(x_test, y_test)    #resultado = 0.7437419586478451

obs: Uma pergunta adicional, seria por que os valores estão baixos? e se é normal serem tão parecidos. Mas esse não é o ponto da pergunta, creio eu.

Aqui tentei armazenar os dados de treino em um numpy array e modela-los para terem o mesmo tamanho

x = x_train.values
x = x[:, 0].reshape(-1, 1)
y = y_train.values.reshape(-1, 1)
print(f'{x.shape} e {y.shape}')

Os formatos foram : (255, 1) e (255, 1), formando duas series, como eu queria.

Nesse ponto tento plotar o gráfico para analisar a linha em relação aos pontos:

plt.style.use('seaborn')
plt.xlabel('temperatura média')
plt.ylabel('Consumo de cerveja(L)')
plt.scatter(x, y)
plt.plot(x, model.predict(x_train) )
plt.show()

E o resultado é o mostrado mais a cima. Esperava uma equação de reta ideal mas obtive essa bagunça. Tentei alterar os parâmetros do meu modelo, armazenar as features e targets em outras estruturas de dados. Acreditei que o problema estivesse unicamente na implementação do gráfico scatter, mas já não tenho certeza.

2

1 Resposta 1

1

Importando o read_csv

from pandas import read_csv

Criando o dataframe e excluindo a coluna data

df = read_csv('./Consumo_cerveja.csv')
df.drop(columns = 'Data', inplace = True)

Removendo os valores NA

df.dropna(inplace = True)

Transformando string em float:

df.replace(',','.', regex = True, inplace = True)
df = df.applymap(float)

Separando X e Y:

X = df.drop(columns = 'Consumo de cerveja (litros)')
Y = df['Consumo de cerveja (litros)']

Separando dados de treino e teste utilizando o sklearn

from sklearn.model_selection import train_test_split

X_train,  X_test, y_train, y_test= train_test_split(X,
                                                    Y,
                                                    test_size=0.3,
                                                    random_state=42)

Criando o modelo de regressão utilizando o sklearn

from sklearn.linear_model import LinearRegression
model = LinearRegression()

Treinando o modelo:

model.fit(X_train, y_train)

Avaliando o modelo:

print(f'Score: {round(model.score(X_test, y_test),4) * 100}%')

Aqui é a parte da impressão do gráfico:

import matplotlib.pyplot as plt 
from numpy.polynomial.polynomial import polyfit
plt.style.use('seaborn')

x = df['Temperatura Media (C)'].values
y = Y.values

b, m = polyfit(x, y, 1)

plt.xlabel('temperatura média')
plt.ylabel('Consumo de cerveja(L)')
plt.scatter(x, y)
# equação da regressão b + m*x
plt.plot(x, b + m * x, '-', color = 'red')
plt.show()

Documentação do polyfit

Saída:

inserir a descrição da imagem aqui

Dê uma olhada no seaborn, com ele fica mais 'fácil' fazer os plots que você quer.

import seaborn as sns
sns.regplot(x='Temperatura Media (C)', y='Consumo de cerveja (litros)', data=df);

Saída:

inserir a descrição da imagem aqui

2
  • 1
    Muito obrigado, mesmo!! Sua resposta foi bem explicativa e clara. Não conhecia o polyfit do numpy e nenhuma aplicação do seaborn, com certeza vou aprender mais sobre ambas, obrigado pelas docs também. Tenha um bom dia! Commented 7/10/2020 às 13:44
  • Por nada Breno! Que bom que te ajudou! Seaborn vale a pena aprender! Abraços! Commented 7/10/2020 às 13:48

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .