multiple linear regression

multiple linear regression

我使用skleanrn训练了一组数据，其中数据使用pandas库读取excel表，求出测试数据的均方误差和画出测试数据与预测值的图。数据集去我的资源下载Advertising.csv

1.交叉验证的库

from sklearn.model_selection import train_test_split

2.pandas的两个主要数据结构：Series和DataFrame：

• Series类似于一维数组，它有一组数据以及一组与之相关的数据标签(即索引)组成。

• DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典。

3.总程序：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split # 交叉验证的库在model_selection中
import matplotlib.pyplot as plt
def data_deal():
    data = pd.read_csv('I:\python Machine learning\multiple linear Regression/Advertising.csv')
    # display the last 5 rows
    X = data[['TV', 'radio', 'newspaper']]
    y = data['sales']
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=0)
    return X_train, X_test, y_train, y_test
def cal_rmse(y_pred,y_test):#计算多元回归的均方误差 去衡量算法的好坏
    y_test=np.array(y_test)
    sum=0
    for i in range(len(y_test)):
        sum+=(y_test[i]-y_pred[i])**2
    mse=np.sqrt(sum/len(y_test))
    print('Rmse is :', mse)
    return mse
def plot_show(y_pred,y_test):
    plt.plot(range(len(y_test)),y_test,color='r',label='test')
    plt.plot(range(len(y_pred)),y_pred,color='blue',label='predict')
    plt.legend(loc="upper right")  # 显示图中的标签
    plt.xlabel("the number of sales")
    plt.ylabel('value of sales')
    plt.show()
def main():
    X_train, X_test, y_train, y_test=data_deal()
    linreg = LinearRegression()
    model = linreg.fit(X_train, y_train)
    y_pred = linreg.predict(X_test)
    mse=cal_rmse(y_pred,y_test)
    plot_show(y_pred,y_test)
if __name__=='__main__':
    main()

结果显示：Rmse is : 1.71957177333 

图片如下所示：