python多元線性回歸簡單實現

繼上次對成都房租進行視覺化後，這次簡單的做乙個成都房租與面積、所屬區的多元回歸分析。

資料集一共有3w資料，每一組觀測值對應乙個房租情況，其中:

價錢:乙個月房租，單位人民幣。

面積:租房的面積，單位平方公尺。

所屬區:序號如下

步驟1:首先使用pandas庫匯入資料:

import pandas as pd
date = pd.
read_csv
('csv/completed.csv'
)

步驟2:由於讀入的資料結構是pandas的資料幀(data frame),而scikit-learn要求的自變數x是乙個特徵矩陣，因變數y是乙個numpy向量。因此需要從原先的資料幀中轉還資料，**如下：

x
=date.loc[:,
['面積'
,'所屬區']]
y=date.loc[:,
['價錢'
]]

步驟3:在這個資料集中，由於有3w個觀測值，需要構建訓練集與測試集，同樣使用scikit-learn中的model_selection庫對資料進行劃分，**如下:

from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=
train_test_split(x
,y,test_size=
.9,random_state=
0)

上面**將原資料集的90%劃分為訓練集，原資料集的10%為測試集。

步驟4:使用多元回歸模型:

from sklearn.linear_model import linearregression
linreg=
linearregression()
model=linreg.
fit(x_train,y_train)

步驟5:模型訓練結束後，使用該模型進行**:

y_pred=linreg.
predict
(x_test)

步驟6:資料視覺化比較測試資料與**資料的關係,這裡為了更方便觀察，只使用了少量資料進行畫圖:

plt.
figure()
plt.
plot
(range
(len
(y_pred[1:
130]))
,y_pred[1:
130]
,'b'
,label=
"price_predict"
)plt.
plot
(range
(len
(y_pred[1:
130]))
,y_test[1:
130]
,'r'
,label=
"price_test"
)plt.
legend
(loc=
"upper right"
)plt.
show
()

最終結果如下:

全部**:

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
from sklearn.linear_model import linearregression
from sklearn.model_selection import train_test_split
mpl.rcparams[
'font.sans-serif']=
['simhei'
] #指定預設字型 simhei為黑體
mpl.rcparams[
'axes.unicode_minus'
]=false #用來正常顯示負號
date = pd.
read_csv
('csv/completed.csv')x
=date.loc[:,
['面積'
,'所屬區']]
y=date.loc[:,
['價錢']]
linreg=
linearregression()
x_train,x_test,y_train,y_test=
train_test_split(x
,y,test_size=
.9,random_state=0)
model=linreg.
fit(x_train,y_train)
y_pred=linreg.
predict
(x_test)
plt.
figure()
plt.
plot
(range
(len
(y_pred[1:
130]))
,y_pred[1:
130]
,'b'
,label=
"price_predict"
)plt.
plot
(range
(len
(y_pred[1:
130]))
,y_test[1:
130]
,'r'
,label=
"price_test"
)plt.
legend
(loc=
"upper right"
)plt.
show
()

上次成都房租分析:

多元線性回歸

多元線性回歸的基本原理和基本計算過程與一元線性回歸相同，但由於自變數個數多，計算相當麻煩，一般在實際中應用時都要借助統計軟體。介紹多元線性回歸的一些基本問題。但由於各個自變數的單位可能不一樣，比如說乙個消費水平的關係式中，工資水平受教育程度職業地區家庭負擔等等因素都會影響到消費水平，而這些影...

多元線性回歸

from numpy import genfromtxt 用來讀取資料轉化為矩陣 from sklearn import linear model 含有回歸的模型 datapath r c users qaq desktop delivery dummy.csv 路徑 deliverydata ge...

多元線性回歸

比如有乙個住房的資料集，可能會有多個不同的模型用於擬合，選擇之一像是這種二次模型 0 1x 2x2，因為直線並不能很好的擬合這些資料。但是現在如果用二次函式去考慮，可能會想到二次函式在最高點之後會下降，但是並不會下降，並不合理，那我們可以用 0 1x 2x2 3x3這樣的三次模型。如果像這樣選擇...

python多元線性回歸簡單實現

多元線性回歸

多元線性回歸

多元線性回歸

相關推薦