【Python】機械学習（教師あり）ElasticNet回帰の実装

#必要なモジュールをインポートする
import urllib.request
import zipfile
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import ElasticNet
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

#既にデータ(sample_data)をダウンロード済の前提
# データの読み込み
sample_data = pd.read_excel("./sample_Data.xls")

#読み込んだデータをテストデータ、検証データに分ける
train_X, test_X, train_y, test_y = train_test_split(
    sample_data.drop("Y",axis=1),
    sample_data["Y"], random_state=42)

#　ElasticNet回帰で回帰分析を行う
model = ElasticNet()　#ElasticNet回帰の呼び出し
model_fit = model.fit(train_X, train_y)　　　　#ElasticNet回帰の当てはめ
score_elastic = model.score(test_X, test_y)　　#決定係数算出
y_predict = model.predict(test_X)　　# テストデータを使って予測を行う

#決定係数を表示
print(f"ElasticNet R2: {score_elastic}")

#偏回帰係数を算出
coef = model.coef_
df_coef = pd.DataFrame(coef).T
df_coef.columns = sample_data.columns[:-1]
df_coef.index = ["Estimated coefficients"]
df_coef = df_coef.round(2)
df_coef

#切片を算出
intercept = model.intercept_
intercept

#偏回帰係数をグラフで描画してみる
plt.bar(df_coef.columns, coef)
plt.xlabel("X")
plt.ylabel("Estimated coefficiance")

# データの読み込み
sample_data = pd.read_excel("./sample_Data.xls")

#読み込んだデータをテストデータ、検証データに分ける
train_X, test_X, train_y, test_y = train_test_split(
    sample_data.drop("Y",axis=1),
    sample_data["Y"], random_state=42)

#　ElasticNet回帰で回帰分析を行う
model = ElasticNet()　#ElasticNet回帰の呼び出し
model_fit = model.fit(train_X, train_y)　　　　#ElasticNet回帰の当てはめ
score_elastic = model.score(test_X, test_y)　　#決定係数算出
y_predict = model.predict(test_X)　　# テストデータを使って予測を行う

#決定係数を表示
print(f"ElasticNet R2: {score_elastic}")

#偏回帰係数を算出
coef = model.coef_　　　#偏回帰係数を算出
df_coef = pd.DataFrame(coef).T　　#データフレームに変換し転置して説明変数を列にもってくる
df_coef.columns = sample_data.columns[:-1]  #サンプルデータの特徴量名称をデータフレームの列名に割当
df_coef.index = ["Estimated coefficients"]　#行にEstimated coeffientsラベルを割当
df_coef = df_coef.round(2)　#係数を小数点以下2桁にラウンド
df_coef

#切片を算出
intercept = model.intercept_
intercept

#偏回帰係数をグラフで描画してみる
plt.bar(df_coef.columns, coef)
plt.xlabel("X")
plt.ylabel("Estimated coefficiance")