Yiru@Studio

題目:

1.請使用線性迴歸預測方式撰寫程式，讀取NBApoints.csv，此資料收集了NBA球員的資訊。
2.NBApoints.csv其中每一行都包含用逗號分隔的字串格式等共30個欄位，資料集的欄位簡易說明如下，其餘省略。

欄位名稱	說明
Rk	排名
Player	球員
Pos	守備位置
Age	年齡
Tm	隊名

3. 請將Pos欄位及Tm欄位資料轉換為數值，以利進行後續處理。 4. 接著建立機器學習模型並預測。以Pos、Age、Tm三個欄位進行訓練。 5. 運用sklearn.metrics交叉驗證，計算出Mean squared error（MSE）、R-squared與P-value。

（三）、 請依序回答下列問題：

1.輸入測試資料[5,28,10]，請填入預測NBA球員的三分球得球數（四捨五入取至小數點後第四位）？

2.請填入R-squared之值的模型解釋力（四捨五入取至小數點後第四位）？


3.檢定變數的顯著性，以Pos的 P-value （P值）是否小於 0.05（信心水準 95%）來判定。Pos的P值顯著填入Y，不顯著填入N？


4.檢定變數的顯著性，以Age的 P-value （P值）是否小於 0.05（信心水準 95%）來判定。Age的P值顯著填入Y，不顯著填入N？

MLD01.py

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.feature_selection import f_regression

NBApoints_data= pd.read_csv("NBApoints.csv")
#TODO


label_encoder_conver = preprocessing.LabelEncoder()
Pos_encoder_value =
print(Pos_encoder_value)
print("\n")

label_encoder_conver = preprocessing.LabelEncoder()
Tm_encoder_value = 
print(Tm_encoder_value)

train_X = pd.DataFrame(         ,       ).T
                        
NBApoints_linear_model = LinearRegression()
NBApoints_linear_model.fit(train_X, NBApoints_data["3P"])

NBApoints_linear_model_predict_result=
print("三分球得球數=",NBApoints_linear_model_predict_result)

r_squared =
print("R_squared值=",r_squared)

print("f_regresstion\n")
print("P值="              )
print("\n")

參考解答

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.feature_selection import f_regression
from sklearn import preprocessing
NBApoints_data= pd.read_csv("NBApoints.csv")
df = NBApoints_data.copy()

le_pos = preprocessing.LabelEncoder().fit(df.Pos)
df.Pos =le_pos.transform(df.Pos)

le_tm = preprocessing.LabelEncoder().fit(df.Tm)
df.Tm = le_tm.transform(df.Tm)

features = ['Pos', 'Age', 'Tm']
X = df.loc[:, features]
y = df.loc[:, '3P']

model = LinearRegression()
model.fit(X, y)
y_pred = model.predict(X)

inp = pd.DataFrame([5, 28, 10]).T
inp_pred = model.predict(inp)
print(f"三分球得球數= {inp_pred[0]:.4f}")

r_squared = model.score(X, y)
print(f"R_squared值= {r_squared:.4f}")

pvalue = f_regression(X, y)[1]


print("f_regression P值:")
for i, feature_name in enumerate(features):
    print(f"\t{feature_name}: {pvalue[i]:.4f}") 

程式解析:

import pandas as pd # 導入 pandas 函式庫，主要用於資料處理和分析，特別是讀取 CSV 檔案和操作 DataFrame。
import numpy as np # 導入 numpy 函式庫，通常用於數值計算，雖然在此代碼中沒有直接使用其特定函數，但它是許多科學計算函式庫（如 scikit-learn）的底層依賴。
from sklearn.linear_model import LinearRegression # 從 scikit-learn 函式庫導入 LinearRegression，這是用於執行線性迴歸的類別。
from sklearn.feature_selection import f_regression # 從 scikit-learn 函式庫導入 f_regression，用於計算特徵與目標變數之間的 F-value 和 p-value。
from sklearn import preprocessing # 從 scikit-learn 函式庫導入 preprocessing 模組，包含許多資料預處理的工具，例如 LabelEncoder。

NBApoints_data= pd.read_csv("NBApoints.csv") # 讀取名為 "NBApoints.csv" 的 CSV 檔案，將其內容載入到一個 pandas DataFrame 中，變數名為 NBApoints_data。
df = NBApoints_data.copy() # 建立 NBApoints_data DataFrame 的一個副本 (copy)，將其賦值給 df。這樣做是為了避免直接修改原始 NBApoints_data DataFrame，確保後續操作不會影響到原始數據。

le_pos = preprocessing.LabelEncoder().fit(df.Pos) # 初始化一個 LabelEncoder 物件，並使用 df DataFrame 中 'Pos' (位置) 欄位的唯一值來擬合 (fit) 它。LabelEncoder 會學習如何將這些類別文字（如 'PG', 'SG' 等）轉換為唯一的數值（如 0, 1, 2）。
df.Pos = le_pos.transform(df.Pos) # 使用訓練好的 LabelEncoder (le_pos) 將 df DataFrame 中 'Pos' 欄位的類別標籤轉換 (transform) 為數值編碼。轉換後的數值直接儲存回 'Pos' 欄位。

le_tm = preprocessing.LabelEncoder().fit(df.Tm) # 初始化另一個 LabelEncoder 物件，並使用 df DataFrame 中 'Tm' (球隊) 欄位的唯一值來擬合 (fit) 它，學習如何將球隊名稱轉換為數值。
df.Tm = le_tm.transform(df.Tm) # 使用訓練好的 LabelEncoder (le_tm) 將 df DataFrame 中 'Tm' 欄位的類別標籤轉換 (transform) 為數值編碼。轉換後的數值直接儲存回 'Tm' 欄位。

features = ['Pos', 'Age', 'Tm'] # 定義一個列表，包含我們要用作預測的特徵欄位名稱：'Pos' (位置), 'Age' (年齡), 'Tm' (球隊)。
X = df.loc[:, features] # 從 df DataFrame 中選取所有列 (:)，以及 features 列表中定義的欄位，將它們作為自變數 (特徵) 數據賦值給 X。
y = df.loc[:, '3P'] # 從 df DataFrame 中選取所有列 (:)，以及 '3P' (三分球得分) 欄位，將它作為因變數 (目標變數) 賦值給 y。

model = LinearRegression() # 初始化一個 LinearRegression (線性迴歸) 模型物件。線性迴歸用於預測連續型的目標變數。
model.fit(X, y) # 使用特徵數據 X 和目標變數 y 來訓練 (fit) 線性迴歸模型。模型會在此步驟中學習特徵與目標之間的線性關係。
y_pred = model.predict(X) # 使用訓練好的模型對原始特徵數據 X 進行預測，得到預測的三分球得分，結果儲存到 y_pred 變數中。

inp = pd.DataFrame([5, 28, 10]).T # 創建一個新的 pandas DataFrame 作為單一輸入數據點。
# [5, 28, 10] 應該分別代表 'Pos' (已編碼), 'Age', 'Tm' (已編碼) 的值。
# .T 用於轉置 DataFrame，使其成為一行多列的形式，以符合模型 predict 方法通常要求的輸入格式 (樣本數 x 特徵數)。
inp_pred = model.predict(inp) # 使用訓練好的模型對新的單一輸入數據點 `inp` 進行預測，得到預測的三分球得分。
print(f"三分球得球數= {inp_pred[0]:.4f}") # 印出預測的三分球得分數。`inp_pred` 是一個陣列，取其第一個元素，並格式化為小數點後四位。

r_squared = model.score(X, y) # 計算模型在特徵數據 X 和目標變數 y 上的決定係數 (R-squared)。R-squared 值表示模型對目標變數變異性的解釋程度，值越接近 1 越好。
print(f"R_squared值= {r_squared:.4f}") # 印出 R-squared 值，格式化為小數點後四位。

pvalue = f_regression(X, y)[1] # 使用 f_regression 函數計算每個特徵 (X) 與目標變數 (y) 之間的 F-value 和 p-value。
# f_regression 返回兩個陣列：第一個是 F-statistics，第二個是 p-values。
# [1] 表示我們只取回 p-value 的陣列。P值用於判斷每個特徵是否對目標變數有統計顯著的影響。

print("f_regression P值:") # 印出一個標題，表示接下來是每個特徵的 P 值。
for i, feature_name in enumerate(features): # 迴圈遍歷 features 列表中的每個特徵名稱及其索引 (i)。
    print(f"\t{feature_name}: {pvalue[i]:.4f}") # 印出每個特徵的名稱以及其對應的 P 值。P 值從 `pvalue` 陣列中根據索引 `i` 取出，並格式化為小數點後四位。

 

 

 

 

Yiru@Studio - 關於我 - 意如