python ransac拟合曲线_回归预测分析(RANSAC、多项式回归、残差图、随机森林)

在本篇文章中，主要是介绍利用波士顿房价数据来掌握回归预测分析的一些方法。通过本篇文章你可以学习到：

1、可视化数据集的重要特征

2、估计回归模型的系数

3、使用RANSAC拟合高鲁棒性回归模型

4、如何来评价回归模型

5、多项式回归

6、决策树回归

7、随机森林回归

掌握数据的基本情况

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

#设置seaborn的风格

sns.set(style="whitegrid",context="notebook")

if __name__ == "__main__":

#读取数据集

data = pd.read_csv("data/train.csv")

#获取csv的前5行数据

print(data.head(5))

一、数据特征的可视化

探索性数据分析(Exploratory Data Analysis，EDA)：是机器学习模型训练之前的一个重要步骤，通过借助python第三方库pandas、seaborn来绘图，可以帮助我们分析和发现数据中的异常情况、数据的分布情况，以及特征将的相互关系。

由于屏幕大小关系，我们选择四个自变量和因变量进行分析，indus(房屋所在镇无零售业务区域所占比例)，nox(一氧化氮浓度，每千万分之一)，rm(每处寓所的平均房间数)，lstat(弱势群体人口所占比例)，medv(房屋平均价格，单位1000美元)。

1、绘制散点图

#选择需要绘制散点图的列名

cols = ["lstat","indus","nox","rm","medv"]

#通过seaborn绘制散点图

sns.pairplot(data[cols],size=1.5)

plt.show()

通过绘制特征的散点图，我们可以发现变量之间的关系。对角线是变量的直方图，可以看出特征的分布情况。通过medv(房价)的直方图可以发现，房价服从正态分布，但是在大于40的部分包含了几个异常值。通过rm(房间数)和medv(房价)的散点图，第四行第五列，呈线性分布。而其他的三个变量与mdv(房价)呈一个非线性分布。

注意：训练一个线性回归模型并不需要自变量或者因变量呈正态分布，正态假设仅适用于某些统计检验和假设检验。

2、系数矩阵

除了通过变量之间的散点图来寻找变量之间的关系，还可以通过变量之间的相关系数来发现变量的关系。相关系数矩阵，常用的有皮尔逊相关系数(Pearson product-moment correlation coefficient，Pearson's r)的方阵，通过它可以来衡量两个特征之间的线性关系。皮尔逊相关系数的取值在[-1,1]范围内，如果r=1，表示两个变量呈正相关，r=0表示两个变量没有关系，r=-1表示两个变量呈负相关。其实，相关系数矩阵就是标准化的协方差矩阵。

#获取相关系数矩阵

cm = np.corrcoef(data[cols].values.T)

#设置字的比例

sns.set(font_scale=1.5)

#绘制相关系数图

hm = sns.heatmap(cm,cbar&#