python:线性回归分析实战案例

	导入pandas

python:线性回归分析实战案例_第1张图片
1.工作年限与薪资情况
导入matplotlib ,进行数据图形化
python:线性回归分析实战案例_第2张图片
2.一元线性回归
python:线性回归分析实战案例_第3张图片
结论:x与y有一定关系

从sklearn线性模型导入线性回归
python:线性回归分析实战案例_第4张图片
python:线性回归分析实战案例_第5张图片
预测年资
python:线性回归分析实战案例_第6张图片
python:线性回归分析实战案例_第7张图片
3.多项式回归
poly_reg把PF转为二次项python:线性回归分析实战案例_第8张图片
在这里插入图片描述
python:线性回归分析实战案例_第9张图片
不过在这里,还是出现一点小意外,这个bug,目前还不知道怎么解决
python:线性回归分析实战案例_第10张图片
python:线性回归分析实战案例_第11张图片

4 多元回归分析房屋价格影响因素
python:线性回归分析实战案例_第12张图片
顺便一提,调用pandas中的get_dummies进行数据处理:类别变量编码处理
对某个变量做get_dummies哑变量处理,就是当这个位置为1,其他位置就必须就是0。

python:线性回归分析实战案例_第13张图片

引入其他变量,做concat拼接。在这里,只有brick,Neighborhood是类别型,只针对他们做拼接
python:线性回归分析实战案例_第14张图片
然后去除类型型新增的多余内容
python:线性回归分析实战案例_第15张图片
python:线性回归分析实战案例_第16张图片

做个房价的预测
python:线性回归分析实战案例_第17张图片
在这里插入图片描述

现在开始多元因素考虑
通过最小二乘法拟合结果,一般来说,主要是看 R-squared,越接近1,说明拟合度越高
python:线性回归分析实战案例_第18张图片

python:线性回归分析实战案例_第19张图片
这个时候,我们要引入aic
python:线性回归分析实战案例_第20张图片
在这里选择最佳组合,至于这边的语法还没有完全弄懂
python:线性回归分析实战案例_第21张图片

python:线性回归分析实战案例_第22张图片
明显看到,从捉到的前十里面,还是这7个在一起的时候,最好

你可能感兴趣的:(python)