基于Jupyter notebooks采用sklearn库实现多元回归方程编程的示例分析

这篇文章主要介绍基于Jupyter notebooks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！

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

data

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"]]

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：

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_

以上是“基于Jupyter notebooks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，欢迎关注亿速云行业资讯频道！