scikit-learn初探：多种回归方法建立预测电力输出模型（二）

上一篇文章简单介绍了一下本文所使用的数据并读取数据。这一篇文章会进一步试探数据，加深对数据的理解。

3 统计分析

3.1数据描述

　　现在我们看一下这里面的数据。下表中是整个数据集中的前五个数据。AP（大气压强）、AT（环境温度）、PE（输出电量）、RH（湿度）、V（真空排气）。AP、AT、RH、V为输入变量，PE为输出变量。

	AP	AT	PE	RH	V
0	1024.07	14.96	463.26	73.17	41.76
1	1020.04	25.18	444.37	59.08	62.96
2	1012.16	5.11	488.56	92.14	39.40
3	1010.24	20.86	446.48	76.64	57.32
4	1009.23	10.82	473.90	96.62	37.50

　　下表是整个数据集的简单统计分析。从下表，可以看出整个数据集的个数、平均值、标准差、最小值、25%的数，50%的数、75%的数、最大值。
　　从下表中，我们可以知道整个数据集有47840条数据，AP的值为这五个变量中最大。AT的值是这五个变量中最小。PE平均值为454.37，输出的值比较大。输出值PE的波动比较大，而AP、AT的波动就较小。

	AP	AT	PE	RH	V
count	47840	47840	47840	47840	47840
mean	1013.259078	19.651231	454.365009	73.308978	54.305804
std	5.938535	7.452162	17.066281	14.599658	12.707362
min	992.890000	1.810000	420.260000	25.560000	25.360000
25%	1009.100000	13.510000	439.750000	63.327500	41.740000
50%	1012.940000	20.345000	451.550000	74.975000	52.080000
75%	1017.260000	25.720000	468.430000	84.830000	66.540000
max	1033.300000	37.110000	495.760000	100.160000	81.560000

　　下面看一下个数据之间的协方差。协方差，可以理解为两个不同参数之间的方差。若两个随机变量x和y相互独立，则Cover(X,Y)=E[X-E(X))(Y-E(Y))]=0，因而若上述数学期望不为0，则X和Y不是相互独立的，也可以称为他们之间存在某种关联。下表为数据之间的协方差矩阵。从下表我们可以看出，PE-AT，PE-V之间的关联挺大的。为了进一步求证，接下来观察一下变量之间的相关系数。

	AP	AT	PE	RH	V
AP	35.266203	-22.461558	52.542117	8.633152	-31.204162
AT		55.534713	-120.583632	-59.027235	79.934640
PE			291.257963	97.121830	-188.627004
RH				213.150024	-57.917965
V					161.477042

　　下表为各参数之间的相关系数。相关系数范围在(-1,1)之间，相关系数的绝对值越大，则参数之间的关联度也就越大。由下表可以看出，确实如上所言，AT-PE,PE-V的相关性最大，RH与PE的相关性最小。从表中也可以看出参数之间也是有相关性的。

	AP	AT	PE	RH	V
AP	1.000000	-0.507549	0.518429	0.099574	-0.413502
AT		1.000000	-0.948128	-0.542535	0.844107
PE			1.000000	0.389794	-0.869780
RH				1.000000	-0.312187