基于Jupyter notebooks采用sklearn库实现多元回归方程编程_F11

分享到

基于Jupyter notebooks采用sklearn库实现多元回归方程编程

python 来源：互联网搜集作者：秩名发布时间：2020-03-25 20:20:52 人浏览

摘要

一、导入excel文件和相关库 ? 1 2 3 4 5 import pandas; import matplotlib; from pandas.tools.plotting import scatter_matrix; data = pandas.read_csv( D:\\面积距离车站.csv ,engine = python ,encoding = utf-8 ) 显示文件大小 ? 1 data.shape ? 1 dat

一、导入excel文件和相关库

				?

									import pandas;

									import matplotlib;

									from pandas.tools.plotting import scatter_matrix;

									data = pandas.read_csv("D:\\面积距离车站.csv",engine='python',encoding='utf-8')

显示文件大小

				?

									data.shape

				?

									data

二.绘制多个变量两两之间的散点图：scatter_matrix（）方法

				?

									#绘制多个变量两两之间的散点图：scatter_matrix（）方法

									font = {

									  'family' : 'SimHei'

									}

									matplotlib.rc('font', **font)

									scatter_matrix(

									  data[["area","distance", "money"]], 

									  figsize=(10, 10), diagonal='kde'

									)  #diagonal参数表示变量与变量本身之间的绘图方式，kde代表直方图

									#求相关系数矩阵

									data[["area", "distance", "money"]].corr()

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

									y = data[["money"]]

三、导入sklearn

				?

									from sklearn.linear_model import LinearRegression

									#建模

									lrModel = LinearRegression()

									#训练模型

									lrModel.fit(x, y)

									#评分

									R2=lrModel.score(x, y)

									print("R的平方:",R2)

									#预测

									lrModel.predict([[10, 110],[20, 110]])

									#查看参数

									lrModel.coef_

									#查看截距

									lrModel.intercept_

结果如下：

回归方程为：y=41.51x1-0.34x2+65.32

四、python全部代码

			?

								import pandas;

								import matplotlib;

								from pandas.tools.plotting import scatter_matrix;

								data.shape

								#绘制多个变量两两之间的散点图：scatter_matrix（）方法

								font = {

								  'family' : 'SimHei'

								}

								matplotlib.rc('font', **font)

								scatter_matrix(

								  data[["area","distance", "money"]], 

								  figsize=(10, 10), diagonal='kde'

								)  #diagonal参数表示变量与变量本身之间的绘图方式，kde代表直方图

								#求相关系数矩阵

								data[["area", "distance", "money"]].corr()

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

								y = data[["money"]]

								from sklearn.linear_model import LinearRegression

								#建模

								lrModel = LinearRegression()

								#训练模型

								lrModel.fit(x, y)

								#评分

								R2=lrModel.score(x, y)

								print("R的平方:",R2)

								#预测

								lrModel.predict([[10, 110],[20, 110]])

								#查看参数

								lrModel.coef_

								#查看截距

								lrModel.intercept_

您可能感兴趣的文章 :

原文链接 : https://blog.csdn.net/qq_42585108/article/details/105064820

Tag : sklearn(3)

Python Django教程之实现新闻应用程序

Django是一个用Python编写的高级框架，它允许我们创建服务器端Web应用程序。在本文中，我们将了解如何使用Django创建新闻应用程序。我们将
书写Python代码的一种更优雅方式(推荐!)

一些比较熟悉pandas的读者朋友应该经常会使用query()、eval()、pipe()、assign()等pandas的常用方法，书写可读性很高的「链式」数据分析处理代码
Python灰度变换中伽马变换分析实现

1. 介绍伽马变换主要目的是对比度拉伸，将图像灰度较低的部分进行修正伽马变换针对的是对单个像素点的变换，也就是点对点的映射形
使用OpenCV实现迷宫解密的全过程

一、你能自己走出迷宫吗？如下图所示，可以看到是一张较为复杂的迷宫图，相信也有人尝试过自己一点一点的找出口，但我们肉眼来解谜
Python中的数据精度问题的介绍

一、python运算时精度问题 1.运行时精度问题在Python中（其他语言中也存在这个问题，这是计算机采用二进制导致的），有时候由于二进制和
Python随机值生成的常用方法

一、随机整数 1.包含上下限：[a, b] 1 2 3 4 import random #1、随机整数：包含上下限：[a, b] for i in range(10): print(random.randint(0,5),end= | ) 查看运行结
Python字典高级用法深入分析讲解

一、 collections 中 defaultdict 的使用 1.字典的键映射多个值将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
Python浅析多态与鸭子类型使用实例

什么多态：同一事物有多种形态为何要有多态=》多态会带来什么样的特性，多态性多态性指的是可以在不考虑对象具体类型的情况下而直
Python字典高级用法深入分析介绍

一、 collections 中 defaultdict 的使用 1.字典的键映射多个值将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
Python淘宝或京东等秒杀抢购脚本实现(秒杀脚本

我们的目标是秒杀淘宝或京东等的订单，这里面有几个关键点，首先需要登录淘宝或京东，其次你需要准备好订单，最后要在指定时间快速