Read In Data
我们先读入数据，其中，这里面一个有九列，他们分别都有对应的意义，其中有一列是汽车油耗效率mpg
mpg - > 燃油效率
cylinders -> 气缸
displacement - > 排量
horsepower - > 马力
weight - > 重量
acceleration - > 加速度
model year - > 型号年份
origin = > 编号
car name - > 原产地
import pandas as pd import numpy as np import matplotlib.pyplot as plt path = '../data_files/3.MPG/auto-mpg.data' columns = ["mpg", "cylinders", "displacement", "horsepower", "weight", "acceleration", "model year", "origin", "car name"] # mpg - > 燃油效率 # cylinders -> 气缸 # displacement - > 排量 # horsepower - > 马力 # weight - > 重量 # acceleration - > 加速度 # model year - > 型号年份 # origin = > 编号 # car name - > 原产地 cars = pd.read_csv(path, delim_whitespace=True, names=columns)
cars.info()
这时候就读完数据了
探究数据模型
在我们可视化数据的时候，我们会发现origin和car name都是离散型的，就没有选择他们进行一个线性回归模型的搭建，除此之外，由于在horsepower中，有一些值是存在’？‘我们就要选取那些不是’？‘的进行操作
from pylab import mpl mpl.rcParams['font.sans-serif'] = ['SimHei'] cars = cars[cars.horsepower != '?'] #用散点图分别展示气缸、排量、重量、加速度与燃油效率的关系 fig = plt.figure(figsize=(13,20)) ax1 = fig.add_subplot(321) ax2 = fig.add_subplot(322) ax3 = fig.add_subplot(323) ax4 = fig.add_subplot(324) ax5 = fig.add_subplot(325) ax1.scatter(cars['cylinders'],cars['mpg'],alpha=0.5) ax1.set_title('cylinders') ax2.scatter(cars['displacement'],cars['mpg'],alpha=0.5) ax2.set_title('displacement') ax3.scatter(cars['weight'],cars['mpg'],alpha=0.5) ax3.set_title('weight') ax4.scatter(cars['acceleration'],cars['mpg'],alpha=0.5) ax4.set_title('acceleration') ax5.scatter([float(x) for x in cars['horsepower'].tolist()],cars['mpg'],alpha=0.5) ax5.set_title('horsepower')
从下图我们可以看出，汽车的燃油效率mpg与排量displacement、重量weight、马力horsepower三者都存在一定的线性关系，其中汽车重量weight与燃油效率线性关系最为明显，首先我们就利用weight一个单变量去构建线性回归模型，看看是否能预测出来
拆分训练集和测试集
Y = cars['mpg'] X = cars[['weight']] from sklearn.model_selection import train_test_split X_train, X_test, Y_train, Y_test = train_test_split(X,Y,test_size=0.2,random_state=0)
取数据中的20%作为测试集，其他均为测试集
单变量线性回归
搭建线性回归模型
from sklearn.linear_model import LinearRegression lr = LinearRegression() lr = lr.fit(X_train,Y_train)
利用训练集去训练模型
可视化结果
利用我们训练完的模型去测试一下我们的训练集和测试集
训练集
plt.scatter(X_train, Y_train, color = 'red', alpha=0.3) plt.scatter(X_train, lr.predict(X_train),color = 'green',alpha=0.3) plt.xlabel('weight') plt.ylabel('mpg') plt.title('train data') plt.show()
测试集
plt.scatter(X_test,Y_test,color = 'blue',alpha=0.3) plt.scatter(X_train,lr.predict(X_train),color='green',alpha=0.3) plt.xlabel('weight') plt.ylabel('mpg') plt.title('test data') plt.show()
模型评价
print(lr.coef_) print(lr.intercept_) print('score = {}'.format(lr.score(X,Y))) ''' [-0.00772198] 46.43412847740396 score = 0.6925641006507041 '''
可以看到，最后的结果的分数大约是0.69左右，还是挺不错的
多变量线性回归模型
刚刚我们是利用了单变量的线性回归模型，我们猜测，如果用多变量的线性回归模型会不会更好呢，因为汽车的燃油效率mpg与排量displacement、重量weight、马力horsepower三者都存在一定的线性关系
首先就要重新提取数据，为了对数据更加清晰，我们将预测出来mpg_prediction也加入数据中
cars = cars[cars.horsepower != '?'] mul = ['weight','horsepower','displacement'] # 选择三个变量进行建立模型 mul_lr = LinearRegression() mul_lr.fit(cars[mul],cars['mpg']) # 训练模型 cars['mpg_prediction'] = mul_lr.predict(cars[mul]) cars.head()
模型得分
mul_score = mul_lr.score(cars[mul],cars['mpg']) mul_score # 0.7069554693444708
从结果可以看出来，这个模型得分大约是71，说明多变量线性回归模型还是比单变量线性回归模型优的，预测的也更加准确一点
from sklearn.metrics import mean_squared_error as mse mse = mse(cars['mpg'],cars['mpg_prediction']) print('mse = %f'%mse) print('rmse = %f'%np.sqrt(mse)) ''' mse = 17.806188 rmse = 4.219738 '''
并且得出了MSE和RMSE的值
可视化
fig = plt.figure(figsize = (8,8)) ax1 = fig.add_subplot(3,1,1) ax2 = fig.add_subplot(3,1,2) ax3 = fig.add_subplot(3,1,3) ax1.scatter(cars['weight'], cars['mpg'], c='blue', alpha=0.3) ax1.scatter(cars['weight'], cars['mpg_prediction'], c='red', alpha=0.3) ax1.set_title('weight') ax2.scatter([ float(x) for x in cars['horsepower'].tolist()], cars['mpg'], c='blue', alpha=0.3) ax2.scatter([ float(x) for x in cars['horsepower'].tolist()], cars['mpg_prediction'], c='red', alpha=0.3) ax2.set_title('horsepower') ax3.scatter(cars['displacement'], cars['mpg'], c='blue', alpha=0.3) ax3.scatter(cars['displacement'], cars['mpg_prediction'], c='red', alpha=0.3) ax3.set_title('displacement') plt.show()
到这里又成功了，真不错，继续加油
每日一句
If you find a path with no obstacles, it probably doesn’t lead anywhere.
太容易的路，可能根本就不能带你去任何地方。
如果需要数据和代码，可以自提
路径1：我的gitee
路径2：百度网盘
链接：https://pan.baidu.com/s/1U9dteXf56yo3fQ7b9LETsA
提取码：5odf
