Создание регрессионной модели с использованием дня недели, часа дня и типа носителя?

1. Один из способов убедиться, что вы правильно выполняете фиктивное кодирование, — преобразовать столбцы в типы str. В вашем случае вы хотите рассматривать Hour Created как категориальное, хотя оно носит числовой характер, поэтому лучше преобразовать их в строки, прежде чем выполнять фиктивное кодирование.

2. Чтобы зафиксировать взаимодействие между Day of Week и Hour Created, выполните проектирование функций и создайте свою собственную функцию, умножив Day of Week и Hour Created, и подайте ее в качестве входных данных для вашей модели.

3. Чтобы понять/интерпретировать вашу модель, вы можете взглянуть на веса/коэффициенты различных функций, что дает представление о том, как каждая функция положительно или отрицательно влияет на вашу целевую переменную.

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

df 

Media   Type    Eng_as_%_of_Followers   Hour_Created    Day_of_Week
0   0   Video   0.0136                  23              Tuesday
1   1   Video   0.0163                  22              Wednesday
2   2   Video   0.0163                  22              Tuesday
3   3   Video   0.0196                  22              Friday
4   4   Video   0.0179                  20              Thursday
5   5   Photo   0.0087                  14              Wednesday 

df["Hour_Created"] = df["Hour_Created"].astype(str)
df["Interaction"] = df["Hour_Created"] + "_" +df["Day_of_Week"] 

X = df.drop("Eng_as_%_of_Followers", axis=1)
Y = df["Eng_as_%_of_Followers"]

X_encoded = pd.get_dummies(X)

X_train, X_test, y_train, y_test = train_test_split(
    X_encoded, Y, test_size=0.33, random_state=42)

reg = LinearRegression().fit(X_train, y_train)

coef_dict = dict(zip(X_encoded.columns, reg.coef_))

coef_dict

{'Day_of_Week_Friday': 0.0012837455830388678,
 'Day_of_Week_Thursday': 0.0007424028268551229,
 'Day_of_Week_Tuesday': -0.0008084805653710235,
 'Day_of_Week_Wednesday': -0.0012176678445229678,
 'Hour_Created_14': -0.0012176678445229678,
 'Hour_Created_20': 0.0007424028268551229,
 'Hour_Created_22': 0.0004752650176678456,
 'Hour_Created_23': 0.0,
 'Interaction_14_Wednesday': -0.0012176678445229678,
 'Interaction_20_Thursday': 0.0007424028268551229,
 'Interaction_22_Friday': 0.0012837455830388678,
 'Interaction_22_Tuesday': -0.0008084805653710235,
 'Interaction_22_Wednesday': 0.0,
 'Interaction_23_Tuesday': 0.0,
 'Media': -0.0008844522968197866,
 'Type_Photo': -0.0012176678445229708,
 'Type_Video': 0.0012176678445229685}

Конечно, результаты здесь могут быть не очень интересными, потому что я просто работал с 6 точками данных.

Отвечая на ваши вопросы

1. Вы можете узнать y_intercept с помощью reg.intercept_

2. Да, вы можете подставить новые значения для x и получить целевую переменную, используя reg.predict(x), где x — ваш новый ввод.

3. Регрессия, выполненная OLS и sklearn, является одной и одинаковой. OLS — это не что иное, как способ решения проблемы оптимизации, которую мы имеем в регрессии.

Надеюсь это поможет!