(P)제21강(16)_파이썬으로 하는 다중회귀분석 실습 - statsmodels
import pandas as pd import statsmodels.api as sm # statsmodel.api 를 불러옵니다. gender=["F","F","F","M","M","M"] wei = [65,66,69,67,68,72] hei = [171,172,176,173,177,178] age=[23,24,38,43,40,42] health = pd.DataFrame({'gender':gender,'wei':wei,'hei':hei,'age':age}) # Pandas의 DataFrame 으로 만듭니다. X = health[["hei","age"]] X = sm.add_constant(X) # 상수항 계산을 위해 추가 model_out = sm.OLS(health["wei"],X).fit() m..
2021. 12. 21.
(P)제21강(16)회귀분석 실습(python) - sklearn-LinearRegression
[데이터 만들기] mport pandas as pd gender=["F","F","F","M","M","M"] wei = [65,66,69,67,68,72] hei = [171,172,176,173,177,178] age=[23,24,38,43,40,42] health = pd.DataFrame({'gender':gender,'wei':wei,'hei':hei,'age':age}) [사이킷런 linear_model 에서 LinearRegression 불러오기] from sklearn.linear_model import LinearRegression # Create linear regression object model_out = LinearRegression() model_out.fit(health[["..
2021. 12. 21.
(P)제24강(02)_상관분석-Python-Pandas 프로그램
파이썬에서 Pandas를 이용하여 공분산과 상관계수를 구하는 예제입니다. # Pandas로 하는 상관분석 import pandas as pd # 판다스를 불러 옴 gender=["F","F","F","M","M","M"] wei = [65,66,69,67,68,72] hei = [171,172,176,173,177,178] age=[23,24,38,43,40,42] health = pd.DataFrame({'gender':gender,'wei':wei,'hei':hei,'age':age}) # 리스트들을 DataFrame 으로 만듬 health.cov() # cov메소드를 이용, 공분산을 구함 health.corr(method='pearson') # corr 메소드를 이용 상관계수를 구함
2021. 12. 20.
(P)제24강(01)_상관분석 실습 - Python-Numpy 프로그램
파이썬에서 상관계수와 공분산을 구하는 예제입니다 # 넘파이로 하는 상관분석 import numpy as np # numpy 를 불러옴 gender=["F","F","F","M","M","M"] wei = [65,66,69,67,68,72] hei = [171,172,176,173,177,178] age=[23,24,38,43,40,42] # 표본상관계수를 구하기 위해 numpy의 corrcoef() 를 이용 np.corrcoef(wei,hei) # 공분산 구하기 np.cov(wei,hei)
2021. 12. 20.
