本文对比了在Excel和Scikit-learn中执行线性回归的预测精度。通过10万个气象数据，使用降水量、最低温度和最高温度预测风速，发现Excel能快速得出线性回归模型，但Scikit-learn在调整超参数后，预测结果更接近实际值。尽管Excel适用于快速近似预测，但在模型精度和复杂性上，Scikit-learn更具优势。
作者|Kaushik Choudhury 编译|VK 来源|Towards Data Science
大约13年前，David Cournapeau的Scikit learn作为Google Summer of Code项目的一部分开始。随着时间的推移，Scikit learn成为Python中最著名的机器学习库之一。它提供了几种分类、回归和聚类算法，在我看来，它的关键优势是与Numpy、Pandas和Scipy无缝集成。
在本文中，我将用excel比较Scikit-learn多元线性回归的预测精度。Scikit-learn提供了许多参数（称为估计器（estimator）的超参数）来微调模型的训练并提高预测的准确性。
在excel中，我们没有太多的东西可以调整回归算法。为了公平比较，我将使用默认参数训练sklearn回归模型。
目的
此比较旨在了解excel和Scikit learn中线性回归的预测精度。另外，我将简要介绍在excel中执行线性回归的过程。
示例数据文件
为了进行比较，我们将使用10万个降水量、最低温度、最高温度和风速的数据集。工作人员在8年中的每一天进行测量多次从而得到了这些数据。
我们将利用降水量、最低气温和最高气温来预测风速。因此，风速是因变量，其他数据是自变量。
我们将首先在excel上建立和预测风速的线性回归模型。然后我们将使用Scikit learn进行相同的练习，最后，我们将比较预测结果。
要在excel中执行线性回归，我们将打开示例数据文件并单击excel功能区中的“Data”选项卡。在“Data”选项卡中，选择数据分析选项。
提示：如果看不到“数据分析”选项，请单击 File > Opt
最低0.47元/天 解锁文章
扫一扫
1864
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
