カテゴリ変数を説明変数にして
カテゴリ変数を説明変数として扱う場合、通常はダミー変数化（One-Hot Encoding）などの手法を使って数値データに変換する必要があります。以下は、カテゴリ変数を含む特徴量を持つ回帰モデルのサンプルコードです。
python
import numpy as np import pandas as pd from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.preprocessing import OneHotEncoder from sklearn.compose import ColumnTransformer from sklearn.pipeline import Pipeline from sklearn.metrics import mean_squared_error # ダミーデータの生成 np.random.seed(0) n_samples = 1000 n_categories = 3 n_features = 5 # カテゴリ変数を含むダミーデータの生成 data = { 'category': np.random.choice(['A', 'B', 'C'], size=n_samples), 'feature1': np.random.rand(n_samples), 'feature2': np.random.rand(n_samples), 'feature3': np.random.rand(n_samples), 'feature4': np.random.rand(n_samples), 'feature5': np.random.rand(n_samples) } df = pd.DataFrame(data) # 目的変数を生成 coefficients = np.array([3, 1.5, 2, 0.5, 1]) intercept = 2 X_categorical = pd.get_dummies(df['category'], prefix='category') X_numeric = df.drop(columns=['category']) X = pd.concat([X_categorical, X_numeric], axis=1) y = np.dot(X_numeric.values, coefficients) + intercept + np.random.normal(0, 0.1, n_samples) # データを訓練データとテストデータに分割 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # モデルの作成と訓練 model = LinearRegression() model.fit(X_train, y_train) # モデルの評価 train_score = model.score(X_train, y_train) test_score = model.score(X_test, y_test) print(f"Train R^2 score: {train_score:.3f}") print(f"Test R^2 score: {test_score:.3f}") # テストデータを用いた予測 y_pred = model.predict(X_test) # 平均二乗誤差の計算 mse = mean_squared_error(y_test, y_pred) print(f"Mean Squared Error: {mse:.3f}")
このコードでは、pandasを使用してダミーデータを生成し、get_dummies関数を使ってカテゴリ変数をダミー変数化しています。その後、カテゴリ変数のダミー変数と数値変数を結合して特徴量行列 X を作成し、回帰モデルを訓練しています。最後に、モデルの性能を評価するためにR^2スコアと平均二乗誤差を計算しています。