Regresión de Theil-Sen con Python Scikit-Learn

Introducción

En este tutorial, aprenderemos sobre la regresión de Theil-Sen y su implementación utilizando la librería scikit-learn de Python. También veremos cómo difiere de la regresión de mínimos cuadrados ordinarios (OLS) y la regresión Robust Random Sample Consensus (RANSAC).

Consejos sobre la VM

Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.

A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de las operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.

Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje su retroalimentación después de la sesión y resolveremos el problema para usted de inmediato.

Skills Graph

Importar bibliotecas y generar conjunto de datos

Primero, importemos las bibliotecas necesarias y generemos un conjunto de datos sintético para el análisis de regresión.

import time
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression, TheilSenRegressor
from sklearn.linear_model import RANSACRegressor

np.random.seed(0)
n_samples = 200
x = np.random.randn(n_samples)
w = 3.0
c = 2.0
noise = 0.1 * np.random.randn(n_samples)
y = w * x + c + noise
X = x[:, np.newaxis]

Representar los datos

Ahora, representemos el conjunto de datos generado.

plt.scatter(x, y, color="indigo", marker="x", s=40)
plt.axis("tight")
_ = plt.title("Original Data")

Ajustar los modelos de regresión lineal

A continuación, ajustaremos tres modelos de regresión lineal utilizando los métodos de OLS, Theil-Sen y RANSAC.

estimators = [
    ("OLS", LinearRegression()),
    ("Theil-Sen", TheilSenRegressor(random_state=42)),
    ("RANSAC", RANSACRegressor(random_state=42)),
]
colors = {"OLS": "turquesa", "Theil-Sen": "dorado", "RANSAC": "verde claro"}
lw = 2

line_x = np.array([-3, 3])
for name, estimator in estimators:
    t0 = time.time()
    estimator.fit(X, y)
    elapsed_time = time.time() - t0
    y_pred = estimator.predict(line_x.reshape(2, 1))
    plt.plot(
        line_x,
        y_pred,
        color=colors[name],
        linewidth=lw,
        label="%s (tiempo de ajuste: %.2fs)" % (name, elapsed_time),
    )

Representar las líneas de regresión

Finalmente, representaremos las líneas de regresión de los modelos ajustados.

plt.axis("tight")
plt.legend(loc="upper left")
_ = plt.title("Regression Lines")

Resumen

En este tutorial, aprendimos sobre la regresión de Theil-Sen y su implementación utilizando la librería scikit-learn de Python. También vimos cómo difiere de la regresión de Mínimos Cuadrados Ordinarios (OLS) y la regresión de Muestreo Aleatorio Consistente Robusto (RANSAC). Siguiendo los pasos anteriores, pudimos generar un conjunto de datos sintético, ajustar modelos de regresión lineal y representar las líneas de regresión.