使用scikit-learn和pandas怎么實(shí)現(xiàn)線性回歸

這篇文章將為大家詳細(xì)講解有關(guān)使用scikit-learn和pandas怎么實(shí)現(xiàn)線性回歸，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。

我們注重客戶提出的每個(gè)要求，我們充分考慮每一個(gè)細(xì)節(jié)，我們積極的做好網(wǎng)站設(shè)計(jì)制作、網(wǎng)站設(shè)計(jì)服務(wù)，我們努力開拓更好的視野，通過不懈的努力，創(chuàng)新互聯(lián)建站贏得了業(yè)內(nèi)的良好聲譽(yù)，這一切，也不斷的激勵(lì)著我們更好的服務(wù)客戶。 主要業(yè)務(wù)：網(wǎng)站建設(shè),網(wǎng)站制作,網(wǎng)站設(shè)計(jì),微信小程序定制開發(fā),網(wǎng)站開發(fā),技術(shù)開發(fā)實(shí)力，DIV+CSS，PHP及ASP，ASP.Net，SQL數(shù)據(jù)庫的技術(shù)開發(fā)工程師。

1. 獲取數(shù)據(jù)，定義問題

沒有數(shù)據(jù)，當(dāng)然沒法研究機(jī)器學(xué)習(xí)啦。:) 這里我們用UCI大學(xué)公開的機(jī)器學(xué)習(xí)數(shù)據(jù)來跑線性回歸。

里面是一個(gè)循環(huán)發(fā)電場(chǎng)的數(shù)據(jù)，共有9568個(gè)樣本數(shù)據(jù)，每個(gè)數(shù)據(jù)有5列，分別是:AT（溫度）, V（壓力）, AP（濕度）, RH（壓強(qiáng)）, PE（輸出電力)。我們不用糾結(jié)于每項(xiàng)具體的意思。

我們的問題是得到一個(gè)線性的關(guān)系，對(duì)應(yīng)PE是樣本輸出，而AT/V/AP/RH這4個(gè)是樣本特征， 機(jī)器學(xué)習(xí)的目的就是得到一個(gè)線性回歸模型，即:

PE=θ0+θ1?AT+θ2?V+θ3?AP+θ4?RH

而需要學(xué)習(xí)的，就是θ0,θ1,θ2,θ3,θ4這5個(gè)參數(shù)。

2. 整理數(shù)據(jù)

下載后的數(shù)據(jù)可以發(fā)現(xiàn)是一個(gè)壓縮文件，解壓后可以看到里面有一個(gè)xlsx文件，我們先用excel把它打開，接著“另存為“”csv格式，保存下來，后面我們就用這個(gè)csv來運(yùn)行線性回歸。

打開這個(gè)csv可以發(fā)現(xiàn)數(shù)據(jù)已經(jīng)整理好，沒有非法數(shù)據(jù)，因此不需要做預(yù)處理。但是這些數(shù)據(jù)并沒有歸一化，也就是轉(zhuǎn)化為均值0，方差1的格式。也不用我們搞，后面scikit-learn在線性回歸時(shí)會(huì)先幫我們把歸一化搞定。

好了，有了這個(gè)csv格式的數(shù)據(jù)，我們就可以大干一場(chǎng)了。

3. 用pandas來讀取數(shù)據(jù)

我們先打開ipython notebook,新建一個(gè)notebook。當(dāng)然也可以直接在python的交互式命令行里面輸入，不過還是推薦用notebook。下面的例子和輸出我都是在notebook里面跑的。

先把要導(dǎo)入的庫聲明了：

import matplotlib.pyplot as plt

%matplotlib inline

import numpy as np

import pandas as pd

from sklearn import datasets, linear_model

接著我們就可以用pandas讀取數(shù)據(jù)了：

# read_csv里面的參數(shù)是csv在你電腦上的路徑，此處csv文件放在notebook運(yùn)行目錄下面的CCPP目錄里

data = pd.read_csv('.\CCPP\ccpp.csv')

測(cè)試下讀取數(shù)據(jù)是否成功：

#讀取前五行數(shù)據(jù)，如果是最后五行，用data.tail()

data.head()

運(yùn)行結(jié)果應(yīng)該如下，看到下面的數(shù)據(jù)，說明pandas讀取數(shù)據(jù)成功：

  AT V AP RH PE

0 8.34 40.77 1010.84 90.01 480.48

1 23.64 58.49 1011.40 74.20 445.75

2 29.74 56.90 1007.15 41.91 438.76

3 19.07 49.69 1007.22 76.79 453.09

4 11.80 40.66 1017.13 97.20 464.43

4. 準(zhǔn)備運(yùn)行算法的數(shù)據(jù)

我們看看數(shù)據(jù)的維度：

data.shape

結(jié)果是(9568, 5)。說明我們有9568個(gè)樣本，每個(gè)樣本有5列。

現(xiàn)在我們開始準(zhǔn)備樣本特征X，我們用AT， V，AP和RH這4個(gè)列作為樣本特征。

X = data[['AT', 'V', 'AP', 'RH']]

X.head()

可以看到X的前五條輸出如下：

  AT V AP RH

0 8.34 40.77 1010.84 90.01

1 23.64 58.49 1011.40 74.20

2 29.74 56.90 1007.15 41.91

3 19.07 49.69 1007.22 76.79

4 11.80 40.66 1017.13 97.20

接著我們準(zhǔn)備樣本輸出y， 我們用PE作為樣本輸出。

y = data[['PE']]

y.head()

可以看到y(tǒng)的前五條輸出如下：

  PE

0 480.48

1 445.75

2 438.76

3 453.09

4 464.43

5. 劃分訓(xùn)練集和測(cè)試集

我們把X和y的樣本組合劃分成兩部分，一部分是訓(xùn)練集，一部分是測(cè)試集，代碼如下：

from sklearn.cross_validation import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)

查看下訓(xùn)練集和測(cè)試集的維度：

print X_train.shape

print y_train.shape

print X_test.shape

print y_test.shape

結(jié)果如下：

(7176, 4)

(7176, 1)

(2392, 4)

(2392, 1)　　

可以看到75%的樣本數(shù)據(jù)被作為訓(xùn)練集，25%的樣本被作為測(cè)試集。

6. 運(yùn)行scikit-learn的線性模型

終于到了臨門一腳了，我們可以用scikit-learn的線性模型來擬合我們的問題了。scikit-learn的線性回歸算法使用的是最小二乘法來實(shí)現(xiàn)的。代碼如下：

from sklearn.linear_model import LinearRegression

linreg = LinearRegression()

linreg.fit(X_train, y_train)

擬合完畢后，我們看看我們的需要的模型系數(shù)結(jié)果：

print linreg.intercept_

print linreg.coef_

輸出如下：

[ 447.06297099]

[[-1.97376045 -0.23229086  0.0693515  -0.15806957]]

這樣我們就得到了在步驟1里面需要求得的5個(gè)值。也就是說PE和其他4個(gè)變量的關(guān)系如下：

PE=447.06297099?1.97376045?AT?0.23229086?V+0.0693515?AP?0.15806957?RH　　

7. 模型評(píng)價(jià)

我們需要評(píng)估我們的模型的好壞程度，對(duì)于線性回歸來說，我們一般用均方差（Mean Squared Error, MSE）或者均方根差(Root Mean Squared Error, RMSE)在測(cè)試集上的表現(xiàn)來評(píng)價(jià)模型的好壞。

我們看看我們的模型的MSE和RMSE，代碼如下：

#模型擬合測(cè)試集

y_pred = linreg.predict(X_test)

from sklearn import metrics

# 用scikit-learn計(jì)算MSE

print "MSE:",metrics.mean_squared_error(y_test, y_pred)

# 用scikit-learn計(jì)算RMSE

print "RMSE:",np.sqrt(metrics.mean_squared_error(y_test, y_pred))

輸出如下：

MSE: 20.0804012021

RMSE: 4.48111606657

得到了MSE或者RMSE，如果我們用其他方法得到了不同的系數(shù)，需要選擇模型時(shí)，就用MSE小的時(shí)候?qū)?yīng)的參數(shù)。

比如這次我們用AT， V，AP這3個(gè)列作為樣本特征。不要RH， 輸出仍然是PE。代碼如下：

X = data[['AT', 'V', 'AP']]

y = data[['PE']]

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)

from sklearn.linear_model import LinearRegression

linreg = LinearRegression()

linreg.fit(X_train, y_train)

#模型擬合測(cè)試集

y_pred = linreg.predict(X_test)

from sklearn import metrics

# 用scikit-learn計(jì)算MSE

print "MSE:",metrics.mean_squared_error(y_test, y_pred)

# 用scikit-learn計(jì)算RMSE

print "RMSE:",np.sqrt(metrics.mean_squared_error(y_test, y_pred))

輸出如下：

MSE: 23.2089074701

RMSE: 4.81756239919

可以看出，去掉RH后，模型擬合的沒有加上RH的好，MSE變大了。

8. 交叉驗(yàn)證

我們可以通過交叉驗(yàn)證來持續(xù)優(yōu)化模型，代碼如下，我們采用10折交叉驗(yàn)證，即cross_val_predict中的cv參數(shù)為10：

X = data[['AT', 'V', 'AP', 'RH']]

y = data[['PE']]

from sklearn.model_selection import cross_val_predict

predicted = cross_val_predict(linreg, X, y, cv=10)

# 用scikit-learn計(jì)算MSE

print "MSE:",metrics.mean_squared_error(y, predicted)

# 用scikit-learn計(jì)算RMSE

print "RMSE:",np.sqrt(metrics.mean_squared_error(y, predicted))

 　　　　輸出如下：

MSE: 20.7955974619

RMSE: 4.56021901469

可以看出，采用交叉驗(yàn)證模型的MSE比第6節(jié)的大，主要原因是我們這里是對(duì)所有折的樣本做測(cè)試集對(duì)應(yīng)的預(yù)測(cè)值的MSE，而第6節(jié)僅僅對(duì)25%的測(cè)試集做了MSE。兩者的先決條件并不同。

9. 畫圖觀察結(jié)果

這里畫圖真實(shí)值和預(yù)測(cè)值的變化關(guān)系，離中間的直線y=x直接越近的點(diǎn)代表預(yù)測(cè)損失越低。代碼如下：

fig, ax = plt.subplots()

ax.scatter(y, predicted)

ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)

ax.set_xlabel('Measured')

ax.set_ylabel('Predicted')

plt.show()

輸出的圖像如下:

關(guān)于使用scikit-learn和pandas怎么實(shí)現(xiàn)線性回歸就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

本文題目：使用scikit-learn和pandas怎么實(shí)現(xiàn)線性回歸
地址分享：http://muchs.cn/article8/ihjpop.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、網(wǎng)頁設(shè)計(jì)公司、網(wǎng)站內(nèi)鏈、軟件開發(fā)、定制開發(fā)、Google

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)