快捷導(dǎo)航

詳解基于Jupyter notebooks采用sklearn庫實(shí)現(xiàn)多元回歸方程編程

更新時(shí)間：2020年03月25日 14:50:24 作者：w²大大

這篇文章主要介紹了詳解基于Jupyter notebooks采用sklearn庫實(shí)現(xiàn)多元回歸方程編程，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

一、導(dǎo)入excel文件和相關(guān)庫

import pandas;
import matplotlib;
from pandas.tools.plotting import scatter_matrix;
 
data = pandas.read_csv("D:\\面積距離車站.csv",engine='python',encoding='utf-8')

顯示文件大小

data.shape

data

二.繪制多個(gè)變量兩兩之間的散點(diǎn)圖：scatter_matrix（）方法

#繪制多個(gè)變量兩兩之間的散點(diǎn)圖：scatter_matrix（）方法
font = {
  'family' : 'SimHei'
}

matplotlib.rc('font', **font)
scatter_matrix(
  data[["area","distance", "money"]], 
  figsize=(10, 10), diagonal='kde'
)  #diagonal參數(shù)表示變量與變量本身之間的繪圖方式，kde代表直方圖
#求相關(guān)系數(shù)矩陣
data[["area", "distance", "money"]].corr()

x = data[["area", "distance"]]
y = data[["money"]]

三、導(dǎo)入sklearn

from sklearn.linear_model import LinearRegression

#建模
lrModel = LinearRegression()

#訓(xùn)練模型
lrModel.fit(x, y)

#評(píng)分
R2=lrModel.score(x, y)
print("R的平方:",R2)

#預(yù)測
lrModel.predict([[10, 110],[20, 110]])

#查看參數(shù)
lrModel.coef_

#查看截距
lrModel.intercept_

結(jié)果如下：

回歸方程為：y=41.51x1-0.34x2+65.32

四、python全部代碼

import pandas;
import matplotlib;
from pandas.tools.plotting import scatter_matrix;

data.shape

#繪制多個(gè)變量兩兩之間的散點(diǎn)圖：scatter_matrix（）方法
font = {
  'family' : 'SimHei'
}

matplotlib.rc('font', **font)
scatter_matrix(
  data[["area","distance", "money"]], 
  figsize=(10, 10), diagonal='kde'
)  #diagonal參數(shù)表示變量與變量本身之間的繪圖方式，kde代表直方圖
#求相關(guān)系數(shù)矩陣
data[["area", "distance", "money"]].corr()

x = data[["area", "distance"]]
y = data[["money"]]

from sklearn.linear_model import LinearRegression

#建模
lrModel = LinearRegression()

#訓(xùn)練模型
lrModel.fit(x, y)

#評(píng)分
R2=lrModel.score(x, y)
print("R的平方:",R2)

#預(yù)測
lrModel.predict([[10, 110],[20, 110]])

#查看參數(shù)
lrModel.coef_

#查看截距
lrModel.intercept_

到此這篇關(guān)于詳解基于Jupyter notebooks采用sklearn庫實(shí)現(xiàn)多元回歸方程編程的文章就介紹到這了,更多相關(guān)Jupyter notebooks sklearn多元回歸方程內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: