美容室の新メニューに対する顧客反応分析

# 修正後のデータセットを用いてロジスティック回帰モデルを構築
X = data[['性別', '年代', '平均来店周期（日）', '来店回数']]
y = data['新メニュー']

import statsmodels.api as sm

# 定数項を追加
X_sm = sm.add_constant(X)

# ロジスティック回帰モデルを構築
model_rogi = sm.Logit(y, X_sm)
result_rogi = model_rogi.fit()

# 結果の要約を表示
result_rogi.summary()

import pandas as pd
from sklearn.metrics import classification_report, confusion_matrix
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

# データを訓練セットとテストセットに分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# ランダムフォレストモデルの構築
rf_model = RandomForestClassifier(random_state=0)
rf_model.fit(X_train, y_train)

# テストセットでの予測と混同行列の計算
y_pred = rf_model.predict(X_test)
conf_mat = confusion_matrix(y_test, y_pred)

# 混同行列をDataFrameに変換
conf_mat_df = pd.DataFrame(conf_mat, 
                           index=['実際: 0', '実際: 1'], 
                           columns=['予測: 0', '予測: 1'])

conf_mat_df

# 分類レポートの計算
class_report = classification_report(y_test, y_pred, output_dict=True)

# 分類レポートをDataFrameに変換
class_report_df = pd.DataFrame(class_report).transpose()
class_report_df

from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.linear_model import LogisticRegression


#モデルのインスタンス化
logistic_model = LogisticRegression()
random_forest_model = RandomForestClassifier(random_state=0)

#5分割交差検証
cv = KFold(n_splits=5, random_state=0, shuffle=True)

#正解率を格納
logistic_cv_scores = cross_val_score(logistic_model, X, y, cv=cv, scoring='accuracy')
random_forest_cv_scores = cross_val_score(random_forest_model, X, y, cv=cv, scoring='accuracy')

#正解率の平均と標準偏差で比較
logistic_cv_mean = logistic_cv_scores.mean()
logistic_cv_std = logistic_cv_scores.std()
random_forest_cv_mean = random_forest_cv_scores.mean()
random_forest_cv_std = random_forest_cv_scores.std()

#データフレームにして表示
model_comparison_df = pd.DataFrame({
    'Model': ['Logistic Regression', 'Random Forest'],
    'Mean Accuracy': [logistic_cv_mean, random_forest_cv_mean],
    'Standard Deviation': [logistic_cv_std, random_forest_cv_std]
})
model_comparison_df

# Aさんというデータポイントを作成
person_A = pd.DataFrame({
    '性別': [1], #女性
    '年代': [35],  #35歳
    '平均来店周期（日）': [60],  # 60日
    '来店回数': [5]  #5回
})

# このデータポイントで予測
predicted_probability = rf_model.predict_proba(person_A)[0]
prob_df = pd.DataFrame(predicted_probability, index=['新メニューを利用しない確率', '新メニューを利用する確率'], columns=['確率'])
prob_df

# テストデータに対して予測確率を計算（新メニューを試す確率）
test_probs = rf_model.predict_proba(X_test)[:, 1]

#テストデータを利用
test_data_with_probs = X_test.copy()

# 新メニューを行う確率と実際の新メニュー利用状況
test_data_with_probs['新メニューを試す確率'] = test_probs
test_data_with_probs['実際の新メニュー利用'] = y_test.values

#フィルターで対象を抽出
#確率が0.5以上で実際の利用が0
non_users_with_high_prob = test_data_with_probs[(test_data_with_probs['新メニューを試す確率'] >= 0.5) &
                                                (test_data_with_probs['実際の新メニュー利用'] == 0)]
non_users_with_high_prob

# テストデータに対して予測確率を計算（新メニューを試す確率）
test_probs = rf_model.predict_proba(X_test)[:, 1]

# 新メニューを試す確率と実際の新メニュー利用状況を含むデータフレームを作成
test_data_with_probs = X_test.copy()
test_data_with_probs['新メニューを試す確率'] = test_probs
test_data_with_probs['実際の新メニュー利用'] = y_test.values  # 実際の利用状況を追加

#フィルターで対象を抽出
#確率が0.3以上0.5未満で実際の利用が0
non_users_with_high_prob = test_data_with_probs[(test_data_with_probs['新メニューを試す確率'] >= 0.3) & 
                                                (test_data_with_probs['新メニューを試す確率'] < 0.5) &
                                                (test_data_with_probs['実際の新メニュー利用'] == 0)]
non_users_with_high_prob