game_price 예측(based on linear regression algorithm)

코드를 보면서 확인해 보겠다.

import pandas as pd
import numpy as np
import statsmodels.api as sm
from sklearn import linear_model
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

먼저 필요한 library를 임포트한다.

 

# Excel read
pd.set_option('display.max_columns', None)
DATA_PATH ="C:/Users/user/Desktop/Data/Data.xlsx"
full_dataframe = pd.read_excel(DATA_PATH, sep=',')

X = full_dataframe[["game_positive","game_negative","game_owners","game_initialprice","game_discount"]]
y = full_dataframe["game_price"]

엑셀을 읽어온 뒤 X,y로 내가 예측하고자 하는 값은 y에 y에 필요한 feature은 x에 각각 나누어주었다.

 

# Note the difference in argument order
model = sm.OLS(y,X).fit()

sm.OLS를 사용하여서 feature가 game_price에 미치는 영향을 알아본다.

 

# make the predictions by the model
predictions = model.predict(X)

모델의 예측을 알아보기 위해 위코드를 사용.

 

#Print out the statistics
model.summary()

 

결과값은 다음과같다.

============================================================================
Dep. Variable:             game_price   R-squared:                       0.969
Model:                            OLS   Adj. R-squared:                  0.969
Method:                 Least Squares   F-statistic:                 1.860e+05
Date:                Sun, 19 May 2019   Prob (F-statistic):               0.00
Time:                        20:36:31   Log-Likelihood:            -2.0139e+05
No. Observations:               29304   AIC:                         4.028e+05
Df Residuals:                   29299   BIC:                         4.028e+05
Df Model:                           5                                         
Covariance Type:            nonrobust                                         
============================================================================
                        coef    std err          t      P>|t|      [0.025      0.975]
-------------------------------------------------------------------------------------
game_positive     -5.232e-05      0.000     -0.442      0.659      -0.000       0.000
game_negative        -0.0001      0.001     -0.280      0.780      -0.001       0.001
game_owners        3.187e-06    1.5e-06      2.123      0.034    2.45e-07    6.13e-06
game_initialprice     0.9506      0.001    957.522      0.000       0.949       0.953
game_discount       -11.1477      0.091   -123.073      0.000     -11.325     -10.970
============================================================================
Omnibus:                    88666.720   Durbin-Watson:                   1.954
Prob(Omnibus):                  0.000   Jarque-Bera (JB):      22415381288.077
Skew:                         -44.353   Prob(JB):                         0.00
Kurtosis:                    4286.730   Cond. No.                     7.44e+04
============================================================================

여기서 볼 내용은 coef와 R-squared이다.

coef는 각 feature가 1씩 증가함에 따라 price에 미치는 영향이다.

R-squared는 제곱근을 의미하는데 이 값이 1에 가까울 수록 데이터에 fit하다고 생각하면 된다.

이정도만 확인하고 넘어간다.

다시 코드로 넘어간다.

 

im = linear_model.LinearRegression()
model = im.fit(X,y)
prediction_linear = im.predict(X)

이제 linear 모델을 만들것이고 예측을 할 준비를 한다.

 

예측값과 실제값을 비교해본다.

# 예측값과 실제값을 비교
plt.scatter(prediction_linear,y,s=10)
plt.xlabel("Predicted")
plt.ylabel("Actual")
plt.show()

결과값

 

조금더 알아보고자 다음 코드를 사용해 보았다.

print("coef :"+str(im.coef_))
print("score :"+str(im.score(X,y)))
print("intercept :"+str(im.intercept_))

 

결과값 

coef :[-6.58419961e-05  1.59727445e-04  1.29593935e-07  9.30383123e-01
 -1.16008179e+01]
score :0.9566722956471095
intercept :53.1834889494703

 

그렇다면 위와같은 정보를 기반으로 내가 예측한 값과 기존의 값은 어떻게 변했을까...

다음 코드를 보자.

# 실질적으로 예측된 가격을 예측전의 가격과 비교해 보고싶어서 합쳐준다.
# 일단 딕셔너리 형태로 저장
Result = {
'Actual price' : y,
'predict price' : prediction_linear
}

# 저장되어진 딕셔너리형태를 Dataframe형태로 저장
Result_df = pd.DataFrame(Result)
print(Result_df)

 

결과값

Actual price  predict price
0                 0      38.463042
1              2999    2895.686163
2                 0     -53.560163
3                 0      27.872660
4                 0      42.185356
5                 0      44.730816
6               999     969.332691

길어서 head(7)까지만 가져와보았다.

이처럼 linear regression을 사용해서 game_price을 예측해 보았다.