Discussion :

[pun79]

Bonjour,

Je fais suite à une autre discussion car cela est un nouveau problème comme on me l'a indiqué.

Je vous explique, avec le fichier en pièce jointe se nommant "Régression logistiquebis.py" (fichier ci contre : Régression logistiquebis.py), j'obtiens une tableau de régression logistique suivant :


Je vous remets en cas ou le code ci dessous :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
import pandas as pd
import numpy as np
import statsmodels.api as sm
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
from matplotlib.colors import ListedColormap
import seaborn as sns
 
# Importer le dataset
data = pd.read_csv("clients.csv")
 
#Permets de classer les données (exemple le groupe sangin, le sexe...)
data["Gender"] = data["Gender"].astype('category')
 
#Supprimes les données inutiles
data.drop(["User ID"],axis='columns',inplace=True)
 
 
print(data.head())
# on définit x et y
#Mettre y = data["Gender"].cat.codes, si il est nécessaire de classer les données
y = data["Gender"].cat.codes
# on ne prend que les colonnes quantitatives
x = data.select_dtypes(np.number)
 
 
 
#Mise en place du modèle
modele_logit = LogisticRegression(random_state = 0, solver='liblinear')
modele_logit.fit(x,y)
pd.DataFrame(np.concatenate([modele_logit.intercept_.reshape(-1,1),
                             modele_logit.coef_],axis=1),
             index = ["coef"],
             columns = ["constante"]+list(x.columns)).T
# on ajoute une colonne pour la constante
x_stat = sm.add_constant(x)
# on ajuste le modèle
model = sm.Logit(y, x_stat)
result = model.fit()
print(result.summary())

Ainsi, avec ce code, je mets en variable y des variables qualitatives (ici le sexe), et de l'autres côté (en x) je mets toutes les variables numériques.

Cependant mon idée, serait d'estimer mon salaire en fonction de l'âge et de la variable "Purchased".

Cependant, toutes ces variables sont des variables quantitatives. (cf fichier ci contre : Régression logistiquetiers.py)

Je vous remets également le code ici :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
import pandas as pd
import numpy as np
import statsmodels.api as sm
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
from matplotlib.colors import ListedColormap
import seaborn as sns
 
# Importer le dataset
data = pd.read_csv("clients.csv")
 
#Permets de classer les données (exemple le groupe sangin, le sexe...)
#data["Gender"] = data["Gender"].astype('category')
 
#Supprimes les données inutiles
data.drop(["User ID"],axis='columns',inplace=True)
data.drop(["Gender"],axis='columns',inplace=True)
 
 
print(data.head())
# on définit x et y
#Mettre y = data["Gender"].cat.codes, si il est nécessaire de classer les données
#y = data["Purchased"]
# on ne prend que les colonnes quantitatives
#x = data.select_dtypes(np.number)
x = data.iloc[:, [0, 1]].values
y = data.iloc[:, -1].values
 
 
#Mise en place du modèle
modele_logit = LogisticRegression(random_state = 0, solver='liblinear')
modele_logit.fit(x,y)
pd.DataFrame(np.concatenate([modele_logit.intercept_.reshape(-1,1),
                             modele_logit.coef_],axis=1),
             index = ["coef"],
             columns = ["constante"]+list(x.columns)).T
# on ajoute une colonne pour la constante
x_stat = sm.add_constant(x)
# on ajuste le modèle
model = sm.Logit(y, x_stat)
result = model.fit()
print(result.summary())

Le problème lorsque j'exécute le code, vient de la partie (cf-image après le code) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
pd.DataFrame(np.concatenate([modele_logit.intercept_.reshape(-1,1),
                             modele_logit.coef_],axis=1),
             index = ["coef"],
             columns = ["constante"]+list(x.columns)).T

Je vous mets également ci-après le jeux de donnnées : clients.xlsx

Auriez-vous une idée pour que cela fonctionne lorsqu'on met des données quantitatives en y et en x, et dans les cas de figures auxquels je n'aurais pas pensé ? (En espérant avoir été clair)

En vous remerciant par avance de votre aide.

Cordialement

[pun79]

Hello,
En survolant (et sans chercher à comprendre car trop pointu pour moi)..
Est ce qu'il ne manquerait pas une parenthèse à l'expression

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 columns = ["constante"]+list(x.columns)).T

?

Bonjour,

Non mais merci d'avoir essayer de l'aider, c'est le même partie de code entre les deux Régressions ("Régression logistiquebis" et "Régression logistiquetiers").

Rectification de l'erreur, j'avais pas pris une partie de l'erreur.

Voici l'erreur complète :



En vous remerciant de votre aide.

[Jma06]

Bonjour,

Non mais merci d'avoir essayer de l'aider, c'est le même partie de code entre les deux Régressions ("Régression logistiquebis" et "Régression logistiquetiers").

Oui désolé, j'ai répondu sans regarder plus haut.. my bad ... du coup j'ai viré mon post qui n'avait plus aucun sens.

Pensez vous que ce puisse être une bonne idée, dans votre cas, de transformer les valeurs qualitatives en valeur numériques? Par exemple avec 0 pour Male et 1 pou Femaleou autre etc?
Il y a, pour se faire, un module de preprocessing dans sklearn avec des "transformeurs d'encodage" preprocessing.OneHotEncoder(), preprocessing.LabeEncoder().. ( cf

).

J'ai probablement encore répondu à coté.. mais bon votre code est chouette, j'apprend et j'avais envie de participer un peu
Bonne soirée.

[lg_53]

L'erreur semble claire pourtant :
x est un array, et vous l'utiliser comme un dataframe.

En même temps, pourquoi écrire ceci : x = data.iloc[:, [0, 1]].values, si le but après c'est de l'utilise comme un dataframe ? x = data.iloc[:, [0, 1]] vous renvoie un dataframe: ce n'est pas suffisant ensuite pour faire ce que vous avez à faire ?

PS: il y a encore trop de code. Il faut réduire au maximum quand vous présentez un problème. A la fois le code, et à la fois les données d'exemple. Là perso, moi j'ai encore rien exécuté de mon côté, ce que je vous dit est à vue de nez. S'il y a une erreur, des données avec moins de 10 lignes suffisent pour nous la présenter ! Même si scientifiquement parlant, faire une régression linéaire sur 10 exemples n'a pas de valeurs, et bien c'est comme ca qu'on débogue. Et ca c'est à vous de le faire avant de poster des messages dans ce forum. Et ce pour 2 bonnes raisons : dans 1 cas sur 2, ce processus vous permettra de trouver vous même le bog. Et dans l'autre cas, vous aurez une réponse bien plus rapide, et bien plus pertinente à votre post.

[pun79]

Oui désolé, j'ai répondu sans regarder plus haut.. my bad ... du coup j'ai viré mon post qui n'avait plus aucun sens.

Pensez vous que ce puisse être une bonne idée, dans votre cas, de transformer les valeurs qualitatives en valeur numériques? Par exemple avec 0 pour Male et 1 pou Femaleou autre etc?

Oui dans l'absolue, l'idéeal serait de transformer le Male en 0 et Female en 1, j'y avais pensé mais pas encore effectuer car j'avais rencontrer ce problème.

D'ailleurs, merci pour votre idée d'encodeur car j'avais trouvé une autre façon pour codé ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

data.Gender = dataset.Gender.map({"Male": 1, "Female": 2})

Je vous remercie d'ailleurs lg_53, j'ai compris l'erreur. Effectivement, j'ai transformé mon x en dataFrame, et cela fonctionne mieux.