regression-modeler

regression-modeler

回帰モデリングを自動化するツールです。表形式データに対して線形回帰（OLS）またはロジスティック回帰（Logit）を実行し、平易な言葉による解釈を含む包括的な統計結果を生成します。

機能

機能	説明
線形回帰	係数、R²、調整済み R²、F 検定、AIC/BIC、ダービン・ワトソン統計量を含む OLS
ロジスティック回帰	係数、オッズ比、擬似 R²、尤度比検定を含む Logit
多重共線性の検出	各説明変数の VIF 値と警告レベル
平易な言葉による解釈	各指標と係数の意味を分かりやすく説明します
自動検出	目的変数が二値（0/1）の場合、自動的にロジスティック回帰に切り替えます

クイックスタート

# Linear regression: predict price using all numeric columns as predictors
python3 scripts/regression_analyzer.py data.csv --target price

# Logistic regression: predict churn (0/1) with specified features
python3 scripts/regression_analyzer.py users.csv --target churn --features "age,income,tenure"

# Save results to JSON
python3 scripts/regression_analyzer.py data.csv --target sales --output result.json

詳細な使い方

基本的な実行方法

python3 scripts/regression_analyzer.py <data_file> --target <target_column> [options]

回帰の種類の指定

# Force linear regression
python3 scripts/regression_analyzer.py data.csv -t y --type linear

# Force logistic regression
python3 scripts/regression_analyzer.py data.csv -t label --type logistic

# Auto-detect (default)
python3 scripts/regression_analyzer.py data.csv -t y --type auto

特徴量列の選択

# Manually specify (comma-separated)
python3 scripts/regression_analyzer.py data.csv -t price -f "sqft,bedrooms,bathrooms"

# Omit to automatically use all numeric columns
python3 scripts/regression_analyzer.py data.csv -t price

パラメーター

パラメーター	短縮形	必須	デフォルト	説明
input	—	はい	—	入力ファイルのパス（CSV/TSV/Excel/JSON）
--target	-t	はい	—	目的変数（従属変数）の列名
--features	-f	いいえ	すべての数値列	説明変数の列名（カンマ区切り）
--type	-T	いいえ	auto	回帰の種類：linear / logistic / auto
--output	-o	いいえ	標準出力	出力 JSON ファイルのパス
--no-const	—	いいえ	false	切片項を追加しません
--keep-na	—	いいえ	false	欠損値を含む行を保持します（デバッグ用）

出力構造（JSON）

{
  "type": "linear",
  "r_squared": 0.8523,
  "r_squared_adj": 0.8471,
  "f_statistic": 162.34,
  "f_p_value": 0.0,
  "coefficients": {
    "sqft": {"coefficient": 135.42, "p_value": 0.0001, ...},
    "bedrooms": {"coefficient": 8021.5, "p_value": 0.032, ...}
  },
  "vif": {"sqft": 2.31, "bedrooms": 1.87},
  "interpretation": {
    "model_summary": ["R² = 0.8523 (good model fit...)"],
    "variable_analysis": ["sqft: coefficient = 135.42... positive effect..."]
  }
}

依存関係

• Python 3.8+
• pandas
• numpy
• statsmodels
• scipy

pip install pandas numpy statsmodels scipy