Створення регресійної моделі в weka
Для того щоб створити модель, відкрийте закладку Classify. В якості першого кроку, нам треба вибрати тип моделі для аналізу, щоб вказати WEKA, яким чином ми хочемо аналізувати наші дані, і яку модель побудувати:
Клацніть на копанні Choose і розгорніть меню functions.
Виберіть опцію LinearRegression .
Таким чином, ми вказали WEKA, що ми хочемо створити модель регресійного аналізу. Як ви помітили, меню включає безліч моделей. Це ще раз підкреслює факт нашого дуже поверхневого знайомства з областю інтелектуального аналізу даних. Зверніть увагу: у меню включена опція SimpleLinearRegression , проте ми не використовуємо її, оскільки цей тип моделі визначає значення залежної змінної за значеннями одного незалежного параметра, а у нас їх цілих шість. Якщо ви вибрали правильну модель, то вікно WEKA Explorer має виглядати так, як показано на рис. 4.
Рис. 4. Модель лінійного регресійного аналізу WEKA
Після того, як ми вибрали тип моделі, потрібно вказати WEKA, які дані повинні використовуватися для її створення. Незважаючи на те, що відповідь на це питання для нас цілком очевидна - потрібно взяти дані зі створеного нами ARFF-файлу - існує кілька інших, більш складних, можливостей надання даних для аналізу. Опція Supplied test set дозволяє вказати додатковий набір тестових даних для моделі, опція Cross-validation використовує кілька наборів даних, усереднює їх і будує модель на основі середніх значень, а опція Percentage split використовує в якості бази для моделі процентилі набору даних. Ці способи застосовуються для створення аналітичних моделей. У разі регресійного аналізу нам потрібна опція Use training set . У цьому випадку WEKA створить модель на базі даних із завантаженого ARFF-файлу.
Завершальний етап створення моделі - вибір залежної змінної (колонка, в якій знаходиться невідоме нам значення, яке потрібно розрахувати). У нашому прикладі - це ціна будинку, оскільки, саме це значення ми і хочемо дізнатися. Відразу після секції Test options знаходиться список, що розкривається, в якому вам потрібно вибрати залежний параметр. Типово повинен бути вибраний атрибут sellingPrice . Якщо це не так, виберіть самі цей параметр.
Ми визначили всі параметри і можемо приступити до створення моделі. Натисніть кнопку Start . У результаті вікно WEKA має виглядати так, як показано на рис. 5.
Рис. 5. Регресійна модель WEKA для розрахунку вартості будинку
Інтерпретація результатів регресійного аналізу
Розберемо, які дані включені в результуючий висновок
Готова модель регресійного аналізу
sellingPrice = (-26.6882 * houseSize) + (7.0551 * lotSize) + (43166.0767 * bedrooms) + (42292.0901 * bathroom) - 21661.1208
|
Далі в отриману модель для визначення вартості підставлені параметри нашого будинку.
Розрахунок вартості будинку на базі готової моделі
sellingPrice = (-26.6882 * 3198) + (7.0551 * 9669) + (43166.0767 * 5) + (42292.0901 * 1) - 21661.1208 sellingPrice = 219,328
|
Однак, можливості інтелектуального аналізу даних не обмежуються визначенням одного параметра. Основне завдання аналізу - виявлення залежностей і зв'язків у великих наборах даних. Інтелектуальний аналіз, як правило, використовується не для того, щоб визначити яке-небудь конкретне значення, а для того, щоб побудувати модель, що дозволяє аналізувати зв'язки між даними, прогнозувати результати і робити обґрунтовані висновки, які підтверджуються зібраними статистичними даними. Тому не будемо обмежуватися розрахованою ціною будинку: розглянемо залежності між даними нашої моделі і постараємося зробити певні висновки щодо правил формування цін на нерухомість.
Гранітні елементи в оформленні кухні не впливають на ціну будинку - WEKA використовує тільки ті дані, які, згідно зі статистикою, впливають на точність моделі (вплив кожного незалежного параметра на залежну змінну визначається за допомогою коефіцієнта детермінації). Таким чином, параметри, що не мають достатнього впливу на залежну змінну, в моделі не враховуються. Наша регресійна модель свідчить про те, що використання граніту на кухні не впливає на ціну будинку.
Стан ванних кімнат та сантехніки впливає на ціну будинку - оскільки ми використовуємо значення 0 або 1 в якості показника модернізації ванних кімнат, то відповідний коефіцієнт в регресійній моделі демонструє нам, як сучасне сантехнічне обладнання впливає на ціну будинку, а саме додає 42292 $ до його ціни.
Велика площа будинку знижує його ціну - Відповідно до моделі WEKA, у міру зростання площі будинків, ціна знижується. Це випливає з того, що модель включає змінну houseSize з негативним коефіцієнтом. Що ж виходить? Збільшення площі будинку на 1 кв.фут знижує його вартість на 26$? Подібне твердження здається очевидною нісенітницею. Насправді, розмір будинку не є незалежною величиною. Цей параметр пов'язаний, наприклад, з кількістю спалень - очевидно, що у великих будинках і кількість спалень більше. Так що наша модель, на жаль, не ідеальна, але ми можемо її поправити. Закладка Preprocess дозволяє видалити стовпці з набору даних.
В якості самостійної вправи, видаліть стовбець houseSize і створіть нову модель. Перевірте, як зміна набору даних відіб'ється на ціні будинку, і яка з двох моделей більше відповідає реальності (уточнена ціна будинку $ 217,894).
Розглянемо більш реальний приклад. Для створення моделі скористаємося файлом даних, пропонованим в якості бази для регресійного аналізу на Web-сайті проекту WEKA. Теоретично, новий приклад буде дещо складнішим нашої примітивної моделі, що використовує дані про сім будинків. Пропонований файл призначений для створення регресійній моделі розрахунку витрати бензину (MPG - кількості миль на галон), виходячи з декількох параметрів автомобіля (дані збиралися з 1970 по 1982 рік). Модель враховує декілька параметрів машини - кількість циліндрів, робочий об'єм двигуна, його потужність, вага автомобіля, час розгону, рік випуску, виробника і марку автомобіля. Цей набір даних містить 398 рядків і відповідає більшості вимог до статистичних даних, чого не можна сказати про наш попередній набір даних про будинки. Теоретично, модель на основі нового набору даних буде значно складнішою, і WEKA доведеться докласти більших зусиль на розробку нової моделі.
Для побудови моделі регресійного аналізу на основі нового набору даних вам слід виконати всі ті ж кроки, що і для моделі аналізу ціни будинку, так що ми не будемо приводити їх повторно. Висновок, який повинен вийти в результаті регресійного аналізу, показаний далі: