如何获得每个组/模型的系数/截距,以便可以绘制每个组的拟合线?

问题描述 投票:0回答:1

我编写了一个自定义类,对数据集的元素进行分组,对每个组进行拟合,然后根据拟合模型对每个组进行预测。我希望能够返回每个拟合的系数(大概是在字典中),以便可以参考它们,并绘制出每个拟合的最佳拟合线。

调用标准.coef_.get_params方法不起作用,因为这些方法尝试检索的项是groupby对象。另外,我尝试介绍以下内容:

def get_coefs():
    coefs_dict = {}
    for name, values in dataframe.groupby(self.groupby_column):
        coefs_dict[name] = self.drugs_dict[name].coefs_ 
    return coefs_dict

但是请获取以下内容:

<bound method GroupbyEstimator.get_coefs of GroupbyEstimator(groupby_column='ndc',
                 pipeline_factory=<function pipeline_factory at 0x0000018DAD207268>)>

这是我写的课:

from sklearn import base
import numpy as np 
import pandas as pd

class GroupbyEstimator(base.BaseEstimator, base.RegressorMixin):

    def __init__(self, groupby_column, pipeline_factory):
        self.groupby_column = groupby_column
        self.pipeline_factory = pipeline_factory


    def fit(self, dataframe, label):
        self.drugs_dict = {}
        self.label = label

        dataframe = pd.get_dummies(dataframe)

        for name, values in dataframe.groupby(self.groupby_column):
            y = values[label]
            X = values.drop(columns = [label, self.groupby_column], axis = 1)
            self.drugs_dict[name] = self.pipeline_factory().fit(X, y)
        return self  

    def get_coefs():
        self.coefs_dict = {}        
        self.coefs_dict[name] = self.drugs_dict[name].named_steps["lin_reg"].coef_
        return self.coefs_dict


    def predict(self, test_data):
        price_pred_list = []

        for idx, row in test_data.iterrows():
            name = row[self.groupby_column]
            regression_coefs = self.drugs_dict[name]
            row = pd.DataFrame(row).T
            X = row.drop(columns = [self.label, self.groupby_column], axis = 1).values.reshape(1, -1)  

            drug_price_pred = regression_coefs.predict(X)     
            price_pred_list.append([name, drug_price_pred])
        return price_pred_list

预期结果是以下格式的字典:

{drug_a: [coefficient_1, coefficient_2,...coefficient_n],
 drug_b: [coefficient_1, coefficient_2,...coefficient_n],
 drug_c: [coefficient_1, coefficient_2,...coefficient_n]}

管道工厂就是这样。稍后,我将使用替代回归器,pca,gridsearchcv等进行构建(只要我可以从groupby对象中获取参数以进行各个回归即可。

def pipeline_factory():
    from sklearn.pipeline import Pipeline
    from sklearn.linear_model import LinearRegression

    return Pipeline([
                     ('lin_reg', LinearRegression())
                    ])

EDIT:根据建议添加了get_coefs方法。不幸的是,如上所述,它仍然返回相同的错误。

python-3.x scikit-learn
1个回答
0
投票

问题出在self.drugs_dict上,这是Pipeline个对象的字典,因此您不能直接在它们上使用coef_coef_是与估算器对象(在您的情况下为LinearRegression对象)相关联的属性。因此,访问系数的正确方法是self.drugs_dict[name].named_steps["lin_reg"].coef_,而不是self.drugs_dict[name].coefs_方法中的get_coefs()

希望这会有所帮助!

© www.soinside.com 2019 - 2024. All rights reserved.