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 ...
最新文章
- 从千万级数据查询来聊一聊索引结构和数据库原理
- 如何比较传统WAN与SD-WAN?有什么差别? Vecloud微云
- 如何下载centos最小的镜像文件
- 营销区块链技术的艺术
- @resource和@Autowired区别
- CF1245D Shichikuji and Power Grid
- 适配iOS10以及Xcode8
- 显示桌面图标不见了的解决方法
- Hibernate集合属性的元素为组件(三)
- POJ - 1182(种类并查集)
- win10黑客教学(5)--xscan漏洞探测
- c++有关iostream和iostream.h
- 为什么要进行TracePro模拟?
- linux 卸载skype,在Debian 10操作系统上安装和卸载Skype的方法
- 中国象棋马走日(要求打印每一种走法) — 递归
- Android云手机平台搭建-2020圈钱热潮
- [转]如何高效迅速地进入500强外企
- 使用html2canvas生成海报
- 使用PyQt绘制精美的股票行情分时线图
- 计算机操作系统 - 目录
热门文章
- c# Semaphore(信号量)
- MVC全局用户验证之HttpModule
- HMAC-MD5算法原理及实现
- Asp.net(C#)动态生成表格中的按钮和事件响应
- 编程界的“马太效应”,是什么在阻止你变得更加优秀?
- 解密春晚微信红包十亿级并发压力
- 搭建elsticsearch集群 报错 failed to send join request to master [{data-node-0}(已经测试)
- SonarQube的安装、配置与使用
- Golang.org不能访问解决方法
- PHP分页的limit与offset