回归分析预测世界大学综合得分_世界大学排名预测可以用什么模型-CSDN博客

本文链接：https://blog.csdn.net/2401_84183545/article/details/138244433

data_df = pd.read_csv(‘./cwurData.csv’)
data_df.head(3).T # 观察前几列并转置方便观察




![](https://img-blog.csdnimg.cn/197274702f68449a8bce79ad6d1fca15.png)






去除其中包含 NaN 的数据

data_df = data_df.dropna()
len(data_df) # 2000



#### **设置矩阵**

feature_cols = [‘quality_of_faculty’, ‘publications’, ‘citations’, ‘alumni_employment’,
‘influence’, ‘quality_of_education’, ‘broad_impact’, ‘patents’] # 提取特征值
X = data_df[feature_cols]
Y = data_df[‘score’]

X Y分别为自变量因变量矩阵



#### **数据可视化**


观察世界排名前十学校的平均得分情况，为此需要将同一学校不同年份的得分做一个平均。我们可以利用`groupby()`函数，将同一学校的记录整合起来并通过`mean()`函数取平均。之后我们按平均分降序排序，取前十个学校作为要观察的数据。

import matplotlib.pyplot as plt
import seaborn as sns

mean_df = data_df.groupby(‘institution’).mean() # 按学校聚合并对聚合的列取平均
top_df = mean_df.sort_values(by=‘score’, ascending=False).head(10) # 取前十学校
sns.set()
x = top_df[‘score’].values # 综合得分列表
y = top_df.index.values # 学校名称列表
sns.barplot(x, y, orient=‘h’, palette=“Blues_d”) # 画条形图
plt.xlim(75, 101) # 限制 x 轴范围
plt.show()




![](https://img-blog.csdnimg.cn/c4f2f5bb7b714e2bb5de13eabfb6d3cd.png)






用`pairplot`的方法观察变量之间的关联关系，可以从图中看到，少部分变量之间有线性关系；各个变量和结果之间，近似对数关系。

sns.pairplot(data_df[feature_cols + [‘score’]], height=3, diag_kind=“kde”)
plt.show()



![](https://img-blog.csdnimg.cn/f8f4f2f19f0e43ecab48569a06e36ad4.png)





还可以用热力图的形式呈现相关度矩阵：



![](https://img-blog.csdnimg.cn/c446ba2de57e4fe6873876cf69445d36.png)






#### **构建模型**


取出对应自变量以及因变量的列，之后就可以基于此切分训练集和测试集，并进行模型构建与分析。

all_y = data_df[‘score’].values
all_x = data_df[feature_cols].values

取 values 是为了从 pandas 的 Series 转成 numpy 的 array

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(all_x, all_y, test_size=0.2, random_state=2020)
all_y.shape, all_x.shape, x_train.shape, x_test.shape, y_train.shape, y_test.shape # 输出数据行列信息