目的変数が複数ある場合

Question

データ分析を初めて間も無い初心者です。

重回帰分析は複数の説明変数でひとつの目的変数を出力しますが、目的変数が複数の場合はどのような手法を用いるべきなのでしょうか。

調べた中では、共分散構造分析などがありますが、なるべくPythonで実装したいと考えております。

また、目的変数ごとに重回帰分析を用い、複数の回帰モデルを構築するというやり方もあるらしいのですが、その場合、どのように回帰モデル同士を関連付けたらいいでしょうか。

ご回答の程、よろしくお願いいたします。

Answer 1

http://scikit-learn.org/stable/modules/generated/sklearn.multioutput.MultiOutputRegressor.html

回帰モデルにはこれを使えばいいです。

---

解析とモデル作りは別々に考えてはいかがでしょう。

https://seaborn.pydata.org/generated/seaborn.pairplot.html

Comments

[muscat]

ご回答ありがとうございます。

＞解析とモデル作りは別々に考えてはいかがでしょう。
そうですね。今まで一緒くたに考えていましたが、モデル作りとは別で実装することも検討に入れたいと思います。

Answer 2

正準相関分析（Canonical Correlation Analysis）を使うというのはどうでしょうか。sklearnに実装がありますが、カーネル正準相関分析はないようなので非線形だと厳しいかもしれません（sklearn以外の実装はあるようですが、未確認）。
目的変数ごとに重回帰分析を行った場合は、単に目的変数の数だけモデルができる訳ですから。実装レベルで適当なクラスを作って使いやすいようにwrapするなりして、おしまいです。
あるいは、多層パーセプトロンなら自然に複数の変数を予測できますから（出力層を増やすだけ）、そっちを使うという選択肢もあるかもしれません。

Comments

[muscat]

ご回答ありがとうございます。

＞正準相関分析（Canonical Correlation Analysis）を使うというのはどうでしょうか。
ご指摘の通り、正準相関だと非線形に対応できないので、候補から外していました。説明不足で申し訳ありません。

＞あるいは、多層パーセプトロンなら自然に複数の変数を予測できますから（出力層を増やすだけ）、そっちを使うという選択肢もあるかもしれません。
これを機にNNを実装しようと思います。ありがとうございました。