【Python】基于Python的回归随机森林（RandomForestRegression）1：生成折线图与散点图（附代码）

前言：一个交互性的软件

基于相关需求，我们使用python封装了一个交互性机器学习回归软件，现已依托单位，发布在国家地球系统科学数据中心：湖泊—流域分中心的平台上（点此处跳转），可以填写相关表单进行申请下载。申请到的小伙伴们烦请严格遵守协议。
软件预览图如下：

简介

这里开始才是本博文正文。
这里本来应该有简介，但是因为我懒，所以先没有简介。

数据

我存为.xlsx格式，可以直接读取。

一行是一个样本，前17个为特征（自变量），最后一个是目标变量（因变量）。

我们进行回归预测通常就是通过一个样本的特征来预测目标变量。

这个数据是我之前写论文的时候用的，事先进行归一化处理。得分是该样本城市的人口增长。

代码

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math
import xlrd
import xlwt
import random


###########1.读取数据部分##########
#载入数据并且打乱数据集
def load_data(StartPo,EndPo,TestProportion,FeatureNum,Shuffle,FilePath):         #样本起始行数，结束行数，测试集占总样本集比重,特征数，是否打乱样本集     #如果Testproportion为0或1就训练集=测试集
    #打开excel文件
    workbook = xlrd.open_workbook(str(FilePath))       #excel路径
    sheet = workbook.sheet_by_name('Sheet1')             #sheet表
    Sample = []#总样本集
    train = []#训练集
    test = []#测试集
    TestSetSphere = (EndPo-StartPo+1)*TestProportion  #测试集数目
    TestSetSphere = int(TestSetSphere)#测试集数目
    #获取全部样本集并打乱顺序
    for loadi in range(StartPo-1,EndPo):
        RowSample = sheet.row_values(loadi)
        Sample.append(RowSample)
    if Shuffle == 1:  #是否打乱样本集
        random.shuffle(Sample)  #如果shuffle=1，打乱样本集
    #如果Testproportion为0就训练集=测试集
    if TestProportion == 0 or TestProportion == 1:
        TrainSet = np.array(Sample)          #变换为array
        TestSet = np.array(Sample)
    else:
        #设置训练集
        for loadtraina in Sample[:(EndPo-TestSetSphere)]:
            GetTrainValue = loadtraina
            train.append(GetTrainValue)
        #设置测试集
        for loadtesta in range(-TestSetSphere-1,-1):
            GetTestValue = Sample[loadtesta]
            test.append(GetTestValue)
        #变换样本集
        TrainSet = np.array(train)                  #变换为array
        TestSet = np.array(test)        
   #分割特征与目标变量
    x1 , y1 = TrainSet[:,:FeatureNum] , TrainSet[:,-1]
    x2 , y2 = TestSet[:,:FeatureNum] , TestSet[:,-1]
    return x1 , y1 , x2 , y2


###########2.回归部分##########
def regression_method(model):
    model.fit(x_train,y_train)
    score = model.score(x_test, y_test)
    result = model.predict(x_test)
    ResidualSquare = (result - y_test)**2     #计算残差平方
    RSS = sum(ResidualSquare)   #计算残差平方和
    MSE = np.mean(ResidualSquare)       #计算均方差
    num_regress = len(result)   #回归样本个数
    print(f'n={num_regress}')
    print(f'R^2={score}')
    print(f'MSE={MSE}')
    print(f'RSS={RSS}')
############绘制折线图##########
    plt.figure()
    plt.plot(np.arange(len(result)), y_test,'go-',label='true value')
    plt.plot(np.arange(len(result)),result,'ro-',label='predict value')
    plt.title('RandomForestRegression R^2: %f'%score)
    plt.legend()        # 将样例显示出来
    plt.show()
    return result


##########3.绘制验证散点图########
def scatter_plot(TureValues,PredictValues):
    #设置参考的1：1虚线参数
    xxx = [-0.5,1.5]
    yyy = [-0.5,1.5]
    #绘图
    plt.figure()
    plt.plot(xxx , yyy , c='0' , linewidth=1 , linestyle=':' , marker='.' , alpha=0.3)#绘制虚线
    plt.scatter(TureValues , PredictValues , s=20 , c='r' , edgecolors='k' , marker='o' , alpha=0.8)#绘制散点图，横轴是真实值，竖轴是预测值
    plt.xlim((0,1))   #设置坐标轴范围
    plt.ylim((0,1))
    plt.title('RandomForestRegressionScatterPlot')
    plt.show()


###########4.预设回归方法##########
####随机森林回归####
from sklearn import ensemble
model_RandomForestRegressor = ensemble.RandomForestRegressor(n_estimators=800)   #esitimators决策树数量


########5.设置参数与执行部分#############
#设置数据参数部分
x_train , y_train , x_test , y_test = load_data(2,121,1,17,0,'C:\Code\MachineLearning\极差标准化数据集.xlsx')   #行数以excel里为准
#起始行数2，结束行数121，训练集=测试集，特征数量17,不打乱样本集
y_pred = regression_method(model_RandomForestRegressor)        #括号内填上方法，并获取预测值
scatter_plot(y_test,y_pred)  #生成散点图

代码很简单，不超过100行。说明说得很清楚了，这里就不赘述了。

在使用时一般设置第五部分即可。

x_train , y_train , x_test , y_test = load_data(2,121,1,17,1,'C:\Code\MachineLearning\极差标准化数据集.xlsx')      #起始行数1，结束行数121，训练集=测试集，特征数量17,打乱样本集

值得注意的是，这里的起始和结束行数我设置成了以excel表里为准。

效果

最后会出四个参数和两个图，一个是折线图，另一个是散点图。

折线图展示的测试集样本中的实测值与预测值。

散点图的横轴是实测值，竖轴是随机森林回归后的预测值。

输出的四个指标分别是：

n：测试集的样本数，体现在图上就是折线图的红点或绿点数，散点图的红点数；

R方：拟合优度，模型对数据的拟合程度，取值范围在0~1，越接近1效果越好；

MSE：均方误差，MSE越小模型效果越好；

RSS：残差平方和，RSS越小模型效果越好；

一带而过，不多赘述，MSE还是RSS什么的不懂自己百度或者看代码就知道是什么意思了。

拓展

如果要计算各因变量对自变量的影响程度，可以看我下一篇文章：基于python的回归随机森林（RandomForestRegression）2：计算各特征指标的权重（IncMSE）（附代码）

另外如果要做其他的回归方法，可以参考这篇博客：使用sklearn做各种回归

授权

本博客已授权转载至公众号MiniPanda：基于Python的随机森林回归实现
-----------------------分割线（以下是乞讨内容）-----------------------