scikit-learnの線形回帰で、各特徴量に対する係数を表示したい

Question

機械学習を独学で学んでいます。
練習としてscikit-learnの線形回帰を用いた株価の予測をしています。

列名	内容
Data	日付（Index）
Open	始値、当日の最初に付いた値段
High	高値、当日のもっとも高かった値段
Low	安値、当日のもっとも安かった値段
Close	終値、当日の最後に付いた値段
Volume	取引量

上記の説明変数を使って、翌日のHigh（高値）をNext_Highとして予測することをしています。
各特徴量に対する係数を表示したく
model.score(target_predict,target_test)
を実行したのですがエラーで表示されませんでした。
お力添えのほどよろしくお願いします。

%matplotlib inline

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import pandas_datareader.data as dr

# アップル社の株価を取得
stock = dr.DataReader('AAPL', "stooq")
stock.head()

# 翌日のHigh(高値)を Next_Highとして追加
stock['Next_High'] = stock['High'].shift(1)
stock.head()

# 欠損値の削除
stock = stock.dropna()
stock.shape

# 検証データの用意
data_columns = ['Open', 'High', 'Low', 'Close', 'Volume']

# 検証データ数
test_rows = 300

# stockデータを目的変数と説明変数に分ける
target = stock['Next_High']
data = stock[data_columns]

# 学習データと検証データに分割
target_train = target[test_rows:]
target_test = target[:test_rows]
data_train = data[test_rows:]
data_test = data[:test_rows]

from sklearn.linear_model import LinearRegression

# モデルの初期化
model = LinearRegression() 

# 学習の実施
model.fit(data_train, target_train)

target_predict = model.predict(data_test)

# 検証データの目的変数でDataFrameを作成
result = pd.DataFrame(target_test)

# 予測結果を列「predict」としてDataFrameに追加
result['predict'] = target_predict

# グラフを描画
sns.lineplot(data=result)

# 決定係数
model.score(target_predict,target_test)

環境はjupyter notebookです。

Comments

[toast-uz]

model.score(target_predict,target_test)
を実行したのですがエラーで表示されませんでした。
とありますが、そのような文はコード内に見当たりません。

[jojaku]

すみません。コード内に記述が漏れていました。
修正しました。

Answer 1

LinearRegressionのscoreは、特徴量と正解ラベルとの間で計算します。予測値と正解ラベルではありません。

よって、
model.score(target_predict,target_test)
を
model.score(data_test,target_test)
に修正すると、うまくいきます。

参考: sklearnのLinearRegressionのドキュメント

Examplesは以下のようになっており、scoreはXとyの間で計算されています。

>>> import numpy as np
>>> from sklearn.linear_model import LinearRegression
>>> X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
>>> # y = 1 * x_0 + 2 * x_1 + 3
>>> y = np.dot(X, np.array([1, 2])) + 3
>>> reg = LinearRegression().fit(X, y)
>>> reg.score(X, y)
1.0

Comments

[jojaku]

特徴量と正解ラベルで計算するんですね。
回答ありがとうございます。

Answer 2

LinearRegressionで学習(fit)を実行しますと
coef_に特徴量ごとの係数が配列で、
intercept_に切片、
が格納されますが、あなたが知りたいのはこの値でしょうか？

Comments

[jojaku]

説明不足で申し訳ありません。
私が知りたいのは決定係数になります。