notebook.community

Edit and run



In [1]:

    
import numpy as np
import pandas as pd



In [2]:

    
from rcm import rcm_model

モデルの説明:$y_i=x_ib_i+\epsilon_i$
地域ごとに異なる（物件iごとに異なる）係数を推定する.
従来のモデルだと$y_i=x_ib+\epsilon_i$
具体的には $$y_i=x_ib_i+\epsilon_i$$ $$b_i = b_1 + 緯度_i*b_2 + 経度_i*b_3 + \nu_i $$



In [3]:

    
datas = pd.read_csv("data2.csv")



In [4]:

    
y, X, reg, params = rcm_model(datas)



In [6]:

    
params.head()

$$y_i=x_ib_i+\epsilon_i$$$$b_i = b_1 + 緯度_i*b_2 + 経度_i*b_3 + \nu_i $$

は、 $$y_i=x_i(b_1 + 緯度_i*b_2 + 経度_i*b_3 + \nu_i) +\epsilon_i$$ となるので、xを用いてyを予測したいときは、内挿と外挿に関わらず、以下のように行う.



In [12]:

    
np.exp((reg.params*X).T.sum().head())









    Out[12]:





0    11149.396090
1     7960.605046
2     5503.421478
3     5104.033986
4     4251.498726
dtype: float64



In [ ]:

	A	CMD	FAR	IDD	Intercept	L	R	RW	S	SOUTH	TS	TT	WOOD
0	-0.000519	-0.273986	0.007777	-0.087640	7.942832	0.003362	-0.015468	0.016275	0.003514	0.011923	-0.000014	0.000862	-0.153266
1	-0.000294	-0.245483	-0.004570	-0.133631	9.063760	0.002832	-0.030942	0.038498	0.003180	-0.002408	-0.009685	-0.006136	-0.173825
2	-0.000886	-0.101418	0.002478	0.024245	7.929167	0.003532	0.016389	0.000861	0.003190	0.015911	-0.002410	-0.002931	0.007647
3	-0.000857	0.067495	-0.003238	0.034157	8.200572	0.003138	0.017271	-0.001814	0.004237	0.019935	-0.003932	-0.003859	0.022396
4	-0.000885	-0.128365	0.001501	-0.104254	7.900296	0.003134	-0.005047	0.013597	0.004687	0.022148	-0.001202	-0.003638	-0.085039