基于Jupyter notebooks采用sklearn库实现多元回归方程编程

Kitty ·

更新时间:2024-09-21

· 952 次阅读

采用sklearn库实现多元回归方程编程一、导入excel文件和相关库二.绘制多个变量两两之间的散点图：scatter_matrix（）方法三、导入sklearn四、python全部代码 一、导入excel文件和相关库

import pandas;
import matplotlib;
from pandas.tools.plotting import scatter_matrix;
data = pandas.read_csv("D:\\面积距离车站.csv",engine='python',encoding='utf-8')

显示文件大小

data.shape

在这里插入图片描述

data

在这里插入图片描述

二.绘制多个变量两两之间的散点图：scatter_matrix（）方法

#绘制多个变量两两之间的散点图：scatter_matrix（）方法
font = {
    'family' : 'SimHei'
}
matplotlib.rc('font', **font)
scatter_matrix(
    data[["area","distance", "money"]], 
    figsize=(10, 10), diagonal='kde'
)    #diagonal参数表示变量与变量本身之间的绘图方式，kde代表直方图
#求相关系数矩阵
data[["area", "distance", "money"]].corr()
x = data[["area", "distance"]]
y = data[["money"]]

在这里插入图片描述

三、导入sklearn

from sklearn.linear_model import LinearRegression
#建模
lrModel = LinearRegression()
#训练模型
lrModel.fit(x, y)
#评分
R2=lrModel.score(x, y)
print("R的平方:",R2)
#预测
lrModel.predict([[10, 110],[20, 110]])
#查看参数
lrModel.coef_
#查看截距
lrModel.intercept_

结果如下：在这里插入图片描述
回归方程为：y=41.51x1-0.34x2+65.32

四、python全部代码

import pandas;
import matplotlib;
from pandas.tools.plotting import scatter_matrix;
data.shape
#绘制多个变量两两之间的散点图：scatter_matrix（）方法
font = {
    'family' : 'SimHei'
}
matplotlib.rc('font', **font)
scatter_matrix(
    data[["area","distance", "money"]], 
    figsize=(10, 10), diagonal='kde'
)    #diagonal参数表示变量与变量本身之间的绘图方式，kde代表直方图
#求相关系数矩阵
data[["area", "distance", "money"]].corr()
x = data[["area", "distance"]]
y = data[["money"]]
from sklearn.linear_model import LinearRegression
#建模
lrModel = LinearRegression()
#训练模型
lrModel.fit(x, y)
#评分
R2=lrModel.score(x, y)
print("R的平方:",R2)
#预测
lrModel.predict([[10, 110],[20, 110]])
#查看参数
lrModel.coef_
#查看截距
lrModel.intercept_

作者：w²大大

notebooks 多元回归回归 jupyter

1024 个赞