【机器学习案例一】PM2.5的预测（回归）

案例背景

数据集 pm2.5 中给出了与预测 pm2.5 有关的气象数据。请利用 2010年至 2013 年的数据作为训练集对 2014 年的 pm2.5 数据进行预测。考虑使用的预测变量包括：hour（日内小时）、dewp（露点）、temp（气温）、pres（气压）cbwd（风向）、lws（风速）、ls（累积降雪）、lr（累积降雨），其中 hour 与 cbwd 应当作类别变量处理。

数据预处理

• 导入库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import os
from sklearn.model_selection import train_test_split
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import GridSearchCV
import warnings
# filter warnings
warnings.filterwarnings('ignore')
import matplotlib.pyplot as plt
from sklearn import linear_model

• 读取数据

df=pd.read_csv('pm25.csv')

• 处理缺失值

1. 查看缺失值情况

df.isna().sum()

只有pm25这一列数据有空值，一共2043行。而总的数据集的数据一共43800行，包含空值的数据所占总数据集的比例较少，可以直接删除。

2. 删除缺失值

df.dropna(inplace=True)

• 更改数据类型

df['cbwd']=df['cbwd'].astype(str)
df['hour']=df['hour'].astype(str)

• 数据了解

df.columns

[‘year’, ‘month’, ‘day’, ‘hour’, ‘pm25’, ‘DEWP’, ‘TEMP’, ‘PRES’, ‘cbwd’, ‘Iws’, ‘Is’, ‘Ir’]

df.dtypes

• 划分训练集测试集

x=df.loc[:,['hour','DEWP','