資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會研究
時尚研究
法律研究使用Python進行線性迴歸？
線性迴歸是機器學習中最簡單且常用的工具之一，用於指示兩個變數之間是否存在正相關或負相關關係。
線性迴歸是少數幾個用於快速預測分析的優秀工具之一。在本節中，我們將使用python pandas包載入資料，然後估計、解釋和視覺化線性迴歸模型。
在我們深入探討之前，讓我們先討論一下什麼是迴歸？
什麼是迴歸？
迴歸是一種預測建模技術，有助於建立因變數和自變數之間的關係。
迴歸型別
- 線性迴歸
- 邏輯迴歸
- 多項式迴歸
- 逐步迴歸
線性迴歸用於何處？
- 評估趨勢和銷售預測
- 分析價格變化的影響
- 評估風險
構建線性迴歸模型的步驟
首先，我們將構建設定並下載資料集和jupyter（我正在本教程中使用它，您可以使用其他IDE，如anaconda等）。
匯入所需的包和資料集。
載入資料集後，我們將探索資料集。
將使用我們的資料集進行線性迴歸。
然後，我們將探索變數與一天中的時間之間的關係。
總結。
設定
您可以從以下連結下載資料集：
http://en.openei.org/datasets/dataset/649aa6d3-2832-4978-bc6e-fa563568398e/resource/b710e97d-29c9-4ca5-8137-63b7cf447317/download/building1retail.csv
我們將使用它來使用室外空氣溫度 (OAT) 作為解釋變數來模擬建築物的電力消耗。
將csv檔案儲存在jupyter或IDE安裝的同一資料夾中。
匯入所需的庫和資料集
首先，我們將匯入所需的庫，然後使用pandas python庫讀取資料集。
# Importing Necessary Libraries
import pandas as pd
#Required for numerical functions
import numpy as np
from scipy import stats
from datetime import datetime
from sklearn import preprocessing
from sklearn.model_selection import KFold
from sklearn.linear_model import LinearRegression
#For plotting the graph
import matplotlib.pyplot as plt
%matplotlib inline
# Reading Data
df = pd.read_csv('building1retail.csv', index_col=[0],
date_parser=lambda x: datetime.strptime(x, "%m/%d/%Y %H:%M"))
df.head()輸出
探索資料集
因此，讓我們首先透過使用pandas繪製它來視覺化我們的資料集。
df.plot(figsize=(22,6))
輸出
因此，x軸顯示的是從2010年1月到2011年1月的資料。
如果我們看到上面的輸出，我們可以注意到該圖有兩個奇怪的地方
似乎沒有缺失資料，要檢查它，只需執行
df.isnull().values.any()
輸出
False
False結果告訴我們資料框中沒有空值。
看來資料中有一些異常值（向下的長尖峰）。
異常值或“離群值”通常是實驗錯誤的結果，也可能是真實值。無論哪種情況，我們都將丟棄它，因為它們會嚴重影響迴歸線的斜率。
在我們丟棄“離群值”之前，讓我們首先檢查一下我們的資料表示的是哪種型別的分佈。
df.hist()
輸出
從上面的直方圖可以看出，我們的圖表顯示的資料大致遵循正態分佈。
因此，讓我們刪除所有大於平均值 3 個標準差的值，並繪製新的資料框。
std_dev = 3 df = df[(np.abs(stats.zscore(df)) < float(std_dev)).all(axis=1)] df.plot(figsize=(22, 6))
輸出
因此，從上面的輸出中我們可以看到，我們已經在某種程度上消除了尖峰，並清理了我們的資料。
驗證線性關係
為了找到OAT和電力之間是否存在任何線性關係，讓我們繪製一個簡單的散點圖。
plt.scatter(df['OAT (F)'], df['Power (kW)'])
輸出
線性迴歸
為了執行模型並評估其效能，我們將使用Scikit-learn模組，我們還將使用k倍交叉驗證（k=3）來評估模型的效能。
X = pd.DataFrame(df['OAT (F)']) y = pd.DataFrame(df['Power (kW)']) model = LinearRegression() scores = [] kfold = KFold(n_splits=3, shuffle=True, random_state=42) for i, (train, test) in enumerate(kfold.split(X, y)): model.fit(X.iloc[train,:], y.iloc[train,:]) score = model.score(X.iloc[test,:], y.iloc[test,:]) scores.append(score) print(scores)
輸出
[0.38768927735902703, 0.3852220878090444, 0.38451654781487116]
在上面的程式中，model = LinearRegression() 建立了一個線性迴歸模型，for迴圈將資料集分成三折。然後在迴圈內，我們擬合數據，然後透過將其分數附加到列表中來評估其效能。
但是，結果看起來並不好，我們可以提高其效能。
一天中的時間
電力（變數）高度依賴於一天中的時間。讓我們使用此資訊透過使用獨熱編碼將其合併到我們的迴歸模型中。
model = LinearRegression() scores = [] kfold = KFold(n_splits=3, shuffle=True, random_state=42) for i, (train, test) in enumerate(kfold.split(X, y)): model.fit(X.iloc[train,:], y.iloc[train,:]) scores.append(model.score(X.iloc[test,:], y.iloc[test,:])) print(scores)
輸出
[0.8074246958895391, 0.8139449185141592, 0.8111379602960773]
我們的模型有了很大的改進。
總結
在本節中，我們學習了探索資料集並將其準備用於擬合迴歸模型的基礎知識。我們評估了其效能，檢測到了其缺點並對其進行了修復。
638 次瀏覽
