超级简单的多元线性回归应用

首先表达一下自己对多元线性回归的理解：

方程：

y为正确的结果。p0为常数项，e为误差，p1,p2,p3等是我们要通过sklearn训练数据集得出来的回归系数，x1,x2,x3等是我们训练集里的特征向量。

这次我用到的数据集是kaggle的入学几率预测数据集：

去kaggle搜索admission就是了

https://www.kaggle.com/datasets

长这个样子：

其中Chance of Admit 是最终要自己预测的label

思路非常之简单，上代码~


一：数据探索

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt


csv_data = pd.read_csv('./data/Admission_Predict.csv')
#  读取csv文件内容
print(csv_data.info())
#  了解数据表的基本情况：行数、列数、每列的数据类型、数据完整度。可以看到每列都有500行，可以说是没有缺失值的。
print(csv_data.describe())
#  了解总数、平均值、标准差等一些统计数据
print(csv_data.head())
#  了解数据的模样~
csv_data.drop('Serial No.',axis=1,inplace=True)
#  去掉没什么用的ID一列

#数据归一化，简单地除以它们的最大值...
csv_data['GRE Score'] = csv_data['GRE Score']/340
csv_data['TOEFL Score'] = csv_data['TOEFL Score']/120
csv_data['University Rating'] = csv_data['University Rating']/5
csv_data['SOP'] = csv_data['SOP']/5
csv_data['LOR '] = csv_data['LOR ']/5
csv_data['CGPA'] = csv_data['CGPA']/10

#数据探索

运行结果：

二：简单进行可视化

import seaborn as sns


print(csv_data.columns)
sns.regplot('GRE Score','Chance of Admit ',data=csv_data)

查看所有特征的联系：

sns.pairplot(csv_data,diag_kind='kde',plot_kws={'alpha':0.2})

从图可以看到，的确有那么一点回归的样子~

三：模型构建

from sklearn import linear_model


features = ['GRE Score', 'TOEFL Score', 'University Rating', 'SOP', 'LOR ', 'CGPA', 'Research',]
# 特征选择
X = csv_data[features].iloc[:420,:-1]
Y = csv_data.iloc[:420,-1]
#选择训练集
X_test = csv_data[features].iloc[420:,:-1]
Y_test = csv_data.iloc[420:,-1]
#选择测试集

regr = linear_model.LinearRegression()
#构造线性回归模型
regr.fit(X,Y)
#模型训练
print(regr.predict(X_test))  # 预测
print(list(Y_test))  #答案
print(regr.score(X_test,Y_test))  #准确度

 结果：

嘿，达到88%的准确度了呢,有用，开心/

The End~