sklearn.linear_model.TheilSenRegressor

class sklearn.linear_model.TheilSenRegressor

Estimador Theil-Sen: modelo robusto de regresión multivariante.

El algoritmo calcula las soluciones de mínimos cuadrados en subconjuntos de tamaño n_subsamples de las muestras de X. Cualquier valor de n_subsamples entre el número de características y de muestras conduce a un estimador con un compromiso entre robustez y eficiencia. Dado que el número de soluciones de mínimos cuadrados es «n_samples elige n_subsamples», puede ser extremadamente grande y, por tanto, puede limitarse con max_subpopulation. Si se alcanza este límite, los subconjuntos se eligen aleatoriamente. En un último paso, se calcula la mediana espacial (o mediana L1) de todas las soluciones de mínimos cuadrados.

Más información en el Manual de usuario.

Parámetros

fit_interceptbool, default=True

Si se calcula el intercepto para este modelo. Si se establece en false, no se utilizará ningún intercepto en los cálculos.

copy_Xbool, default=True

Si es True, X se copiará; si no, puede ser sobrescrito.

max_subpopulationint, default=1e4

En lugar de calcular con un conjunto de cardinalidad “n choose k”, donde n es el número de muestras y k es el número de submuestras (al menos el número de características), considera sólo una subpoblación estocástica de un tamaño máximo dado si “n choose k” es mayor que max_subpopulation. Para otros tamaños de problema que no sean pequeños, este parámetro determinará el uso de memoria y el tiempo de ejecución si no se modifica el n_subsamples.

n_subsamplesint, default=None

Número de muestras para calcular los parámetros. Es al menos el número de características (más 1 si fit_intercept=True) y el número de muestras como máximo. Un número menor conduce a un punto de ruptura más alto y una eficiencia baja, mientras que un número alto conduce a un punto de ruptura bajo y una eficiencia alta. Si es None, se toma el número mínimo de submuestras que conduce a la máxima robustez. Si n_subsamples se establece en n_samples, Theil-Sen es idéntico a los mínimos cuadrados.

max_iterint, default=300

Número máximo de iteraciones para el cálculo de la mediana espacial.

tolfloat, default=1.e-3

Tolerancia al calcular la mediana espacial.

random_stateentero, instancia de RandomState o None, default=None

Una instancia del generador de números aleatorios para definir el estado del generador de permutaciones aleatorias. Pase un int para una salida reproducible a través de múltiples llamadas a la función. Ver Glosario

n_jobsint, default=None

Número de CPUs a usar durante la validación cruzada. None significa 1 a menos que esté en un contexto joblib.parallel_backend. -1 significa utilizar todos los procesadores. Ver Glosario para más detalles.

verbosebool, default=False

Modo verboso al ajustar el modelo.

Atributos

coef_ndarray de forma (n_features,)

Coeficientes del modelo de regresión (mediana de la distribución).

intercept_float

Intercepción estimada del modelo de regresión.

breakdown_float

Punto de ruptura aproximado.

n_iter_int

Número de iteraciones necesarias para la mediana espacial.

n_subpopulation_int

Número de combinaciones que se tienen en cuenta a partir de “n choose k”, siendo n el número de muestras y k el número de submuestras.

Referencias

• Theil-Sen Estimators in a Multiple Linear Regression Model, 2009 Xin Dang, Hanxiang Peng, Xueqin Wang and Heping Zhang http://home.olemiss.edu/~xdang/papers/MTSE.pdf

Ejemplos

>>> from sklearn.linear_model import TheilSenRegressor
>>> from sklearn.datasets import make_regression
>>> X, y = make_regression(
...     n_samples=200, n_features=2, noise=4.0, random_state=0)
>>> reg = TheilSenRegressor(random_state=0).fit(X, y)
>>> reg.score(X, y)
0.9884...
>>> reg.predict(X[:1,])
array([-31.5871...])

Métodos

fit	Ajustar el modelo lineal.
get_params	Obtiene los parámetros para este estimador.
predict	Predice utilizando el modelo lineal.
score	Devuelve el coeficiente de determinación \(R^2\) de la predicción.
set_params	Establece los parámetros de este estimador.

fit()

Ajustar el modelo lineal.

Parámetros

Xndarray de forma (n_samples, n_features)

Datos de entrenamiento.

yndarray de forma (n_samples,)

Valores objetivo.

Devuelve

selfdevuelve una instancia de sí misma.

get_params()

Obtiene los parámetros para este estimador.

Parámetros

deepbool, default=True

Si es True, devolverá los parámetros para este estimador y los sub objetos contenidos que son estimadores.

Devuelve

paramsdict

Nombres de parámetros mapeados a sus valores.

predict()

Predice utilizando el modelo lineal.

Parámetros

Xarray-like o matriz dispersa, forma (n_samples, n_features)

Muestras.

Devuelve

Carreglo, forma (n_samples,)

Devuelve los valores predichos.

score()

Devuelve el coeficiente de determinación \(R^2\) de la predicción.

El coeficiente \(R^2\) se define como \((1 - \frac{u}{v})\), donde \(u\) es la suma residual de cuadrados ((y_true - y_pred) ** 2).sum() y \(v\) es la suma total de cuadrados ((y_true - y_true.mean()) ** 2).sum(). La mejor puntuación posible es 1.0 y puede ser negativo (porque el modelo puede ser arbitrariamente peor). Un modelo constante que siempre predice el valor esperado de y, sin tener en cuenta las características de entrada, obtendría un valor \(R^2\) de 0.0.

Parámetros

Xarray-like de forma (n_samples, n_features)

Muestras de prueba. Para algunos estimadores puede ser una matriz de núcleo precalculada o una lista de objetos genéricos con forma (n_muestras, n_muestras_ajustadas), donde n_muestras_ajustadas es el número de muestras utilizadas en el ajuste para el estimador.

yarray-like de forma (n_samples,) or (n_samples, n_outputs)

Valores verdaderos para X.

sample_weightarray-like de forma (n_samples,), default=None

Ponderaciones de muestra.

Devuelve

scorefloat

\(R^2\) de self.predict(X) con respecto a y.

Notas

El valor \(R^2\) utilizado al llamar a score en un regresor utiliza multioutput='uniform_average' desde la versión 0.23 para mantener la coherencia con el valor predeterminado de r2_score. Esto influye en el método score de todos los regresores de salida múltiple (excepto para MultiOutputRegressor).

set_params()

Establece los parámetros de este estimador.

El método funciona tanto con estimadores simples como con objetos anidados (como Pipeline). Estos últimos tienen parámetros de la forma <component>__<parameter> para que sea posible actualizar cada componente de un objeto anidado.

Parámetros

**paramsdict

Parámetros del estimador.

Devuelve

selfinstancia de estimador

Instancia de estimador.

Ejemplos usando sklearn.linear_model.TheilSenRegressor

Ajuste del estimador lineal robusto