这篇文章主要介绍基于Jupyter笔记本采用sklearn库实现多元回归方程编程的示例分析,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
<强>一、导入excel文件和相关库强>
import 熊猫; import matplotlib; 得到pandas.tools.plotting import  scatter_matrix; , 时间=data pandas.read_csv (“D: \ \面积距离车站.csv",引擎=& # 39;python # 39;,编码=& # 39;utf - 8 # 39;)
显示文件大小
数据。形状
<强>二。绘制多个变量两两之间的散点图:scatter_matrix()方法强>
#绘制多个变量两两之间的散点图:scatter_matrix()方法 font =, { & # 39;才能家庭# 39;,:,& # 39;SimHei& # 39; } matplotlib.rc(& # 39;字体# 39;,,* *字体) scatter_matrix ( 数据才能[[“area",“distance",,“money"]],, figsize才能=(10,10),对角=& # 39;kde # 39; ),,#对角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 数据[[“area",,“distance",,“money"]]载于() 时间=x 数据[[“area",,“distance"]] y =,数据[[“money"]]
<强>三、导入sklearn 强>
得到sklearn.linear_model import LinearRegression #建模 时间=lrModel LinearRegression () #训练模型 lrModel.fit (x, y) #评分 R2=lrModel.score (x, y) 打印(“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:
import 熊猫; import matplotlib; 得到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 =, { & # 39;才能家庭# 39;,:,& # 39;SimHei& # 39; } matplotlib.rc(& # 39;字体# 39;,,* *字体) scatter_matrix ( 数据才能[[“area",“distance",,“money"]],, figsize才能=(10,10),对角=& # 39;kde # 39; ),,#对角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 数据[[“area",,“distance",,“money"]]载于() 时间=x 数据[[“area",,“distance"]] 时间=y 数据[[“money"]] 得到sklearn.linear_model import  LinearRegression #建模 时间=lrModel LinearRegression () #训练模型 lrModel.fit (x, y) #评分 R2=lrModel.score (x, y) 打印(“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_
以上是“基于Jupyter笔记本采用sklearn库实现多元回归方程编程的示例分析”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注行业资讯频道!