基于Jupyter notebooks采用sklearn庫實現多元回歸方程編程的示例分析

這篇文章主要介紹基于Jupyter notebooks采用sklearn庫實現多元回歸方程編程的示例分析，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

一、導入excel文件和相關庫

import pandas;
import matplotlib;
from pandas.tools.plotting import scatter_matrix;
 
data = pandas.read_csv("D:\\面積距離車站.csv",engine='python',encoding='utf-8')

顯示文件大小

data.shape

data

二.繪制多個變量兩兩之間的散點圖：scatter_matrix（）方法

#繪制多個變量兩兩之間的散點圖：scatter_matrix（）方法
font = {
  'family' : 'SimHei'
}

matplotlib.rc('font', **font)
scatter_matrix(
  data[["area","distance", "money"]], 
  figsize=(10, 10), diagonal='kde'
)  #diagonal參數表示變量與變量本身之間的繪圖方式，kde代表直方圖
#求相關系數矩陣
data[["area", "distance", "money"]].corr()

x = data[["area", "distance"]]
y = data[["money"]]

三、導入sklearn

from sklearn.linear_model import LinearRegression

#建模
lrModel = LinearRegression()

#訓練模型
lrModel.fit(x, y)

#評分
R2=lrModel.score(x, y)
print("R的平方:",R2)

#預測
lrModel.predict([[10, 110],[20, 110]])

#查看參數
lrModel.coef_

#查看截距
lrModel.intercept_

結果如下：

回歸方程為：y=41.51x1-0.34x2+65.32

四、python全部代碼

import pandas;
import matplotlib;
from pandas.tools.plotting import scatter_matrix;

data.shape

#繪制多個變量兩兩之間的散點圖：scatter_matrix（）方法
font = {
  'family' : 'SimHei'
}

matplotlib.rc('font', **font)
scatter_matrix(
  data[["area","distance", "money"]], 
  figsize=(10, 10), diagonal='kde'
)  #diagonal參數表示變量與變量本身之間的繪圖方式，kde代表直方圖
#求相關系數矩陣
data[["area", "distance", "money"]].corr()

x = data[["area", "distance"]]
y = data[["money"]]

from sklearn.linear_model import LinearRegression

#建模
lrModel = LinearRegression()

#訓練模型
lrModel.fit(x, y)

#評分
R2=lrModel.score(x, y)
print("R的平方:",R2)

#預測
lrModel.predict([[10, 110],[20, 110]])

#查看參數
lrModel.coef_

#查看截距
lrModel.intercept_

以上是“基于Jupyter notebooks采用sklearn庫實現多元回歸方程編程的示例分析”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！