python多元回归预测例子_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

4.330748450267551y =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多元回归预测例子_Python机器学习，多元线性回归分析问题相关推荐

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 ...
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单链表实现具体例子_Python实现数据结构线性链表（单链表）算法示例
本文实例讲述了Python实现数据结构线性链表(单链表)算法.分享给大家供大家参考,具体如下: 初学python,拿数据结构中的线性链表存储结构练练手,理论比较简单,直接上代码. #!/usr/bin ...
python线性回归算法简介_Python机器学习（二）：线性回归算法
机器学习研究的问题分为分类问题和回归问题.分类问题很好理解,而回归问题就是找到一条曲线,可以最大程度地拟合样本特征和样本输出标记之间的关系.当给算法一个输入时,这条曲线可以计算出相应可能的输出.回归算 ...
python训练模型测试模型_python 机器学习中模型评估和调参
在做数据处理时,需要用到不同的手法,如特征标准化,主成分分析,等等会重复用到某些参数,sklearn中提供了管道,可以一次性的解决该问题先展示先通常的做法 import pandas as pd f ...
python分类算法报告_Python机器学习(1)——决策树分类算法
1.决策树算法决策树用树形结构对样本的属性进行分类,是最直观的分类算法,而且也可以用于回归.不过对于一些特殊的逻辑分类会有困难.典型的如异或(XOR)逻辑,决策树并不擅长解决此类问题. 决策树的构建 ...
python数据预测模型算法_Python机器学习预测分析核心算法
第1章关于预测的两类核心算法 1.1为什么这两类算法如此有用 1.2什么是惩罚回归方法 1.3什么是集成方法 1.4算法的选择 1.5构建预测模型的流程 1.5.1构造一个机器学习问题 1.5.2特征 ...
python多态的例子_Python编程之多态用法实例详解
本文实例讲述了Python编程之多态用法.分享给大家供大家参考.具体分析如下: 什么是多态?顾名思义,多态就是多种表现形态的意思.它是一种机制.一种能力,而非某个关键字.它在类的继承中得以实现,在类的 ...
python升维方法_python机器学习12：数据“升维”
1.向数据集添加交互式特征在实际应用中,常常会遇到数据集的特征不足的情况,要解决这个问题,就需要对数据集的特征进行扩充.这里我们介绍两种在统计建模中常用的方法---交互式特征(Interaction ...

python多元回归预测例子_Python机器学习，多元线性回归分析问题

python多元回归预测例子_Python机器学习，多元线性回归分析问题相关推荐

最新文章

热门文章