机器学习---多变量线性回归

数据检验（判断是否可以做线性回归）
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from pandas import DataFrame,Series
from sklearn.cross_validation import train_test_split
from sklearn.linear_model import LinearRegression

#读取文件
datafile = u’E:\pythondata\dhdhdh.xlsx’#文件所在位置，u为防止路径中有中文名称，此处没有，可以省略
data = pd.read_excel(datafile)#datafile是excel文件，所以用read_excel,如果是csv文件则用read_csv
examDf = DataFrame(data)

#数据清洗,比如第一列有可能是日期，这样的话我们就只需要从第二列开始的数据，
#这个情况下，把下面中括号中的0改为1就好，要哪些列取哪些列
new_examDf = examDf.ix[:,0:]

#检验数据
print(new_examDf.describe())#数据描述，会显示最值，平均数等信息，可以简单判断数据中是否有异常值
print(new_examDf[new_examDf.isnull()==True].count())#检验缺失值，若输出为0，说明该列没有缺失值

#输出相关系数，判断是否值得做线性回归模型
print(new_examDf.corr())#0-0.3弱相关；0.3-0.6中相关；0.6-1强相关；

#通过seaborn添加一条最佳拟合直线和95%的置信带，直观判断相关关系
sns.pairplot(data, x_vars=[‘Call’,‘Connect’], y_vars=‘Return’, size=7, aspect=0.8, kind=‘reg’)
plt.show()

训练线性回归模型

#拆分训练集和测试集
X_train,X_test,Y_train,Y_test = train_test_split(new_examDf.ix[:,:2],new_examDf.Return,train_size=0.8)
#new_examDf.ix[:,:2]取了数据中的前两列为自变量，此处与单变量的不同

print(“自变量—源数据:”,new_examDf.ix[:,:2].shape, “； 训练集:”,X_train.shape, “； 测试集:”,X_test.shape)
print(“因变量—源数据:”,examDf.Return.shape, “； 训练集:”,Y_train.shape, “； 测试集:”,Y_test.shape)

#调用线性规划包
model = LinearRegression()

model.fit(X_train,Y_train)#线性回归训练

a = model.intercept_#截距
b = model.coef_#回归系数
print(“拟合参数:截距”,a,",回归系数：",b)

#显示线性方程，并限制参数的小数位为两位
print(“最佳拟合线: Y = “,round(a,2),”+”,round(b[0],2),"* X1 + “,round(b[1],2),”* X2")

Y_pred = model.predict(X_test)#对测试集数据，用predict函数预测

plt.plot(range(len(Y_pred)),Y_pred,‘red’, linewidth=2.5,label=“predict data”)
plt.plot(range(len(Y_test)),Y_test,‘green’,label=“test data”)
plt.legend(loc=2)
plt.show()#显示预测值与测试值曲线