python 多元線性回歸刪除outlier 怎麼做

python 資料分析 spss python3 回歸分析

sunnyyeh 2020-03-27 01:27:04 ‧ 3886 瀏覽

最近在做多元線性回歸分析，原先使用的是SPSS來做，但因為上頭指示刪除outlier的方式是「每跑完一次迴歸分析，刪除一個標準差最大的data，再做一次回歸分析，然後在刪除下一個標準差最大的data」，但這樣永遠都做不完阿...，拜託大家，我真的需要各位高手的幫助阿。

SPSS的作法是這樣做

點選回歸分析
加入因變數、自變數
設定三個標準差的output出來
結果長這樣，然後我就會去選最大標準殘差的data，回到表格去刪除他，然後再從第一步again again and again...

因為我比較熟悉python，所以上網找python的相關辦法，但他都有另外設定訓練的方式，來計算回歸，這樣數值貌似會不一樣吧@@但最重要的是我需要一個一個的標準差，才可以慢慢刪除outlier，但我找到的好像都是直接輸出MSE...，希望各位高手可以幫幫我。我有查到類似的網站 https://www.itread01.com/content/1550422451.html

如果data大概長這樣，「因變數」為成績，「自變數」為家庭人數、兄弟姊妹人數、歲數。
人名 | 生日年分 | 家庭人數 | 兄弟姊妹人數 | 歲數 | 成績
------------- | -------------
大華 | 1999 | 3 | 1 | 21 | 56
小白 | 2000 | 8 | 3 | 20 | 13
小明 | 2002 | 8 | 4 | 18 | 91
阿鼻 | 2017 | 10 | 5 | 2 | 34
琪琪 | 1949 | 18 | 12 | 71 | 3

我打的程式碼只讀了excel..，因為後續開始設x跟y就不太知道自變數跟因變數要設在哪裡，去讀了別人的說明，也不太知道形變量跟標籤值有等於這些嗎，萬分懇求各位幫幫我ˊˋ

import pandas as pd
import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt
data = pd.read_excel("data.header = [0,1])

拜託大家了!!真的非常感謝!感動得痛哭流涕阿QAQQ
拜託拜託大家了

登入發表討論

直播研討會

{{ item.channelVendor }} {{ item.webinarstarted }} |

直播中

1 個回答

twyes

iT邦新手 4 級 ‧ 2020-03-27 10:01:17

最佳解答

我做過 DataMining 說一下看法 (但我之前做的都是不用寫Code,只寫 SQL , DMX)
DMX: 微軟的資料採礦延伸模組

基本上你說你對 Python 熟 , 基本上對 Python 熟應該就可以解決所有問題了

基本上作法就是,找一個 Python 的多元回歸套件
(如果對回歸熟,甚至於可以自己寫回歸,因為那只是一些公式)
套件中一定可以定義哪些是自變數 X1,X2.....Xn , 哪些是因變數 y
所謂的訓練模式就是因為跑回歸最重要的是甚麼 ?
(1) 建模 , 導出回歸公式
(2) 預測 : 預測才是最後的目地

所以通常必須把一些樣本拿出一定百分比當訓練樣本 , 例如 80%
然後用其他的 20% 當驗證 (有時候樣本還會分成3分,訓練,測試,驗證)

所以當選完一定百分比的樣本當訓練樣本後跑完 python 回歸套件後
理論上各套件應該會有一個函數,可以直接看每一個樣本的標準殘差
你可以把這些樣本的標準殘差透過套件函數叫出來
然後看哪一個樣本要刪除

我是建議標準殘差超過 3個標準差就將離群值刪掉
跟你們主管講,不要刪除最大的,應該刪除超過3個標準差的

你對python 熟,應該有辦法將套件樣本中超過3個標準差的樣本刪掉

然後寫一個迴圈,只要有樣本標準殘差超過 3個標準差
就將那些樣本刪掉

然後再跑一次回歸,直到所有樣本標準殘差都在3個標準差內
這樣就可以跑出回歸公式
然後其實只跑回歸沒有意義,基本上重點就是要預測

如果目的是預測就可以針對其他新增的樣本預測
這才是回歸的目地

當然,也有可能只是跑回歸,不預測 , 如果是這樣,你就將所有樣本都當訓練資料

其實你們主管漏掉了一點,把離群值排掉沒問題
但是 X1,X2......xn 這些自變數每一個都適合當自變數嗎?
不一定,不適合的自變數也會影響到回歸
如果選一個不適合的自變數去跑回歸模型,以後的預測也會離實際有差距

因此自變數間最好要有檢定,看適不適合
或者要看之間的相關係數高低

理論上如果對 Python 熟,這些寫法應該沒問題
(但我對python不熟,不過整個運作流程跟回歸我熟)

基本上,Python的回歸套件很多,各套件應該都有可以看係數,殘差,
相關係數,判定係數的相關函數

寫法參考

https://tinyurl.com/tks2cjg
(四)多元迴歸 Multivariable Regression