質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.92%

np.linalg.lstsqで最小二乗法の計算をしようとしてもエラーがでる

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 2,037

neison

score 13

実現したいこと

最小二乗法の計算をし、単回帰の線を引く

発生している問題

TypeError: No loop matching the specified signature and casting
was found for ufunc lstsq_n というエラーが発生しうまくいきません。

試したこと

同様のエラーを調べるとfloatに変える意見があったので、
X = np.array([[value, 1] for value in X])を
X = np.array([[value, 1] for value in X], dtype = np.float64 )に変えるなどしましたが、うまくいきませんでした。

よろしくお願いいたします。

該当のソースコード

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style('whitegrid')
%matplotlib inline

from sklearn.datasets import load_boston
boston = load_boston()
boston_df = DataFrame(boston.data)
boston_df.columns = boston.feature_names
boston_df['Price'] = boston.target
X = boston_df.RM
X = np.vstack(boston_df.RM)

Y = boston_df.Price
X = np.array([[value, 1] for value in X])
a, b = np.linalg.lstsq(X, Y)[0]
C:\Users\neiso\Anaconda3\lib\site-packages\ipykernel_launcher.py:1: FutureWarning: `rcond` parameter will change to the default of machine precision times ``max(M, N)`` where M and N are the input matrix dimensions.
To use the future default and silence this warning we advise to pass `rcond=None`, to keep using the old, explicitly pass `rcond=-1`.
  """Entry point for launching an IPython kernel.
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-36-6700a4df6204> in <module>
----> 1 a, b = np.linalg.lstsq(X, Y)[0]

~\Anaconda3\lib\site-packages\numpy\linalg\linalg.py in lstsq(a, b, rcond)
   2234         # lapack can't handle n_rhs = 0 - so allocate the array one larger in that axis
   2235         b = zeros(b.shape[:-2] + (m, n_rhs + 1), dtype=b.dtype)
-> 2236     x, resids, rank, s = gufunc(a, b, rcond, signature=signature, extobj=extobj)
   2237     if m == 0:
   2238         x[...] = 0

TypeError: No loop matching the specified signature and casting
was found for ufunc lstsq_n
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+3

numpy.linalg.lstsq で直線回帰をするには以下のようになります。

切片用に値が1の列を追加するのはsklearn.preprocessing.add_dummy_feature でできます。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.preprocessing import add_dummy_feature

boston = load_boston()

X = boston.data[:, 5:6]
y = boston.target
print(X.shape, y.shape)  # (506, 1) (506,)

# 切片用に1の列を先頭に挿入する。
A = add_dummy_feature(X)
print(A)
# [[1.    6.575]
#  [1.    6.421]
#  [1.    7.185]
#  ...
#  [1.    6.976]
#  [1.    6.794]
#  [1.    6.03 ]]

# 最小二乗法を解く
coef, residuals, rank, singular = np.linalg.lstsq(A, y, rcond=None)
print(f"coefficient: {coef[1]}")
print(f"intercept: {coef[0]}")
# coefficient: 9.102108981180315
# intercept: -34.67062077643859


fig, ax = plt.subplots()

# 点を描画する。
ax.scatter(X.ravel(), y, s=10)

# 回帰曲線を描画する。
xs = np.linspace(*ax.get_xlim(), 100)
ys = coef[1] * xs + coef[0]
ax.plot(xs, ys, "r")

plt.show()

イメージ説明

sklearn の LinearRegression と値が一致することは以下のように確認できます。

import matplotlib.pyplot as plt
import numpy as np
from sklearn import linear_model

X = boston.data[:, 5:6]
y = boston.target

# 学習する。
reg = linear_model.LinearRegression().fit(X, y)
print(f"coefficient: {reg.coef_}")
print(f"intercept: {reg.intercept_}")

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/10/29 22:29

    回答ありがとうございます。こちらの環境でも同様の図が出力されました。
    add_dummy_featureというモジュールがあるのですね。
    まだまだ学ぶことは多そうです。ありがとうございました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.92%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る