python 多元线性回归_Python机器学习,多元线性回归分析问题
@Author:润森,Runsen,公众号:润森笔记
什么是多元线性回归
在回归分析中,如果有两个或两个以上的自变量,就称为多元回归。**事实上,一种现象常常是与多个因素相联系的,由多个自变量的最优组合共同来预测或估计因变量,比只用一个自变量进行预测或估计更有效,更符合实际。**因此多元线性回归比一元线性回归的实用意义更大。
y=β0+β1x1+β2x2+ … +βpxp+ε # 公式
今天讲一个例子
这里有个excel 文件数据,我们来研究到底是哪个因素影响sales最明显,是TV,还是radio,还是newspaper,也就是找的销售额到底是那家个元素引起的,怎么才能提高销售额?
导入相对的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.style.use('ggplot') #使用ggplot样式
from sklearn.linear_model import LinearRegression # 导入线性回归
from sklearn.model_selection import train_test_split # 训练数据
from sklearn.metrics import mean_squared_error #用来计算距离平方误差,评价模型
打开文件
data = pd.read_csv('Advertising.csv')
data.head() #看下data
先画图分析一下
plt.scatter(data.TV, data.sales)
plt.scatter(data.radio, data.sales)
plt.scatter(data.newspaper, data.sales)
从图中分析看出newspaper的点分散太广,预测毫无关系,应该要去除
进入代码环节
x = data[['TV','radio','newspaper']]
y = data.sales
x_train,x_test,y_train,y_test = train_test_split(x, y) #得到训练和测试训练集
model = LinearRegression() #导入线性回归
model.fit(x_train, y_train) #
model.coef_ # 斜率 有三个
model.intercept_ # 截距
得到
array([ 0.04480311, 0.19277245, -0.00301245])
3.0258997429585506
for i in zip(x_train.columns, model.coef_):print(i) #打印对应的参数('TV', 0.04480311217789182)
('radio', 0.19277245418149513)
('newspaper', -0.003012450368706149)
mean_squared_error(model.predict(x_test), y_test) # 模型的好坏用距离的平方和计算4.330748450267551
y =0.04480311217789182 * x1 + 0.19277245418149513 *x2 -0.003012450368706149 * x3 + 3.0258997429585506
我们可以看到newspaper的的系数小于0,说明了投入了,反而影响销售额 那么如何改进模型,就是去掉newspaper的数值
x = data[['TV','radio']]
y = data.sales
x_train,x_test,y_train,y_test = train_test_split(x, y)
model2 = LinearRegression()
model2.fit(x_train,y_train)
model2.coef_
model2.intercept_
mean_squared_error(model2.predict(x_test),y_test)array([0.04666856, 0.17769367])
3.1183329992288478
2.984535789030915 # 比第一个model的小,说明更好
y =0.04666856 * x1 +0.17769367 *x2 + 3.1183329992288478
python 多元线性回归_Python机器学习,多元线性回归分析问题相关推荐
- numpy多元线性回归_Python 实战多元线性回归模型,附带原理+代码
作者 | 萝卜来源 | 早起Python( ID:zaoqi-python ) 「多元线性回归模型」非常常见,是大多数人入门机器学习的第一个案例,尽管如此,里面还是有许多值得学习和注意的地方.其中多元 ...
- 【案例实践】Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用
查看原文>>>基于Python多元线性回归.机器学习.深度学习在近红外光谱分析中的实践应用 [专家]: 郁磊副教授 主要从事MATLAB 编程.机器学习与数据挖掘.数据可视化和软件开 ...
- Python多元线性回归、机器学习、深度学习在近红外光谱分析中的应用
导师:郁磊副教授,主要从事MATLAB 编程.机器学习与数据挖掘.数据可视化和软件开发.人工智能近红外光谱分析.生物医学系统建模与仿真,具有丰富的实战应用经验,主编<MATLAB智能算法30个案 ...
- 机器学习:线性回归分析女性身高与体重之间的关系
机器学习:线性回归分析女性身高与体重之间的关系 作者:i阿极 作者简介:Python领域新星作者.多项比赛获奖者:博主个人首页
- python多元线性回归实例_Python机器学习多元线性回归模型 | kTWO-个人博客
前言 在上一篇文章<机器学习简单线性回归模型>中我们讲解分析了Python机器学习中单输入的线性回归模型,但是在实际生活中,我们遇到的问题都是多个条件决定的问题,在机器学习中我们称之为多元 ...
- matlab 多元多项式回归_Python机器学习之?线性回归入门(二)
线性回归原理介绍 文章目录 机器学习分类 线性回归原理 线性回归定义 线性回归背后矩阵运算 机器学习分类 机器学习的主要任务便是聚焦于两个问题:分类和回归 分类相信大家都不会陌生,生活中会见到很多的应 ...
- 基于Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用培训班
一 Python入门基础 [理论讲解与案例演示实操练习] 1.Python环境搭建( 下载.安装与版本选择). 2.如何选择Python编辑器?(IDLE.Notepad++.PyCharm.Jupy ...
- Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践
多元线性回归及其在近红外光谱分析中的应用.BP神经网络及其在近红外光谱分析中的应用.支持向量机(SVM)及其在近红外光谱分析中的应用.决策树.随机森林.Adaboost.XGBoost和LightGB ...
- 基于Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用
[专家]:郁 磊 副教授,主要从事MATLAB 编程.机器学习与数据挖掘.数据可视化和软件开发.人工智能近红外光谱分析.生物医学系统建模与仿真,具有丰富的实战应用经验,主编<MATLAB智能算法 ...
最新文章
- 3月编程语言排行已出!Java第二,那霸主是谁?
- Boost源码剖析之:容器赋值-assign
- 程序员如何跟领导提离职_如何跟领导谈加薪,做好这几点,成功谈加薪又不失风度...
- MongoDB入门简单介绍
- gitlab 构建tag_Gitlab详细操作
- java 工作6年 面试_为什么不想搞Java了,6年经验去面试5分钟结束,现在Java面试为何这么难...
- Android Stuido 快速设置成eclipse的快捷键习惯
- JavaWeb图书管理系统.rar(毕业设计(论文)+毕业设计指导书+大学毕业设计任务书+图书管理系统+毕业论文答辩)
- iOS UDP和TCP测试工具sokit
- SPSS-非参数检验
- 【PAT】敲笨钟 (20 分)
- PMP备考错题集-模拟题二
- 【解决方案】基于国标GB28181协议EasyGBS平台搭建的交警执法综合管理视频监控方案
- 机器学习的五大分类,监督学习 无监督学习 半监督学习 迁移学习 增强学习
- asp.net 生命周期
- 朋友圈集赞,简洁壁纸,玩游戏学git
- 硬件电路之高压爬电距离
- 最大化参数 火车头_火车头采集:网址参数设置教程[参数N]
- 职称计算机作弊后果,千万别轻忽考试作弊后果,别让它成为你学术生涯中最大的污点!...
- html点击文字显示图片