Python机器学习线性回归分析不同洲的人口和寿命

这个项目中我运用到机器学习里的线性回归制作模型，对其训练并生成新的回归函数。我这一次是从github导入csv文件，内容是过去50年不同大洲国家的人口和寿命。这个项目中我用到了seaborn库和sklearn库来制图和做线性回归模型。这个项目是在google colab中进行编写的。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from numpy import mean
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
import statsmodels.api as sm

url='https://raw.githubusercontent.com/jennybc/gapminder/master/data-raw/08_gap-every-five-years.tsv'
data = pd.read_csv(url,sep = '\t')
data.head()

运行结果，这里是先爬取信息，查看爬取的信息是不是自己要用的csv文件里的信息。

做一个随时间变化的预期寿命散点图

data.plot.scatter(x = 'year', y = 'lifeExp', title = 'plot of life expectancy across time')
plt.show()

做一个随时间变化的预期寿命的小提琴图

sns.violinplot(x='year', y='lifeExp', showmeans=True, data=data)
plt.xlabel("Year")
plt.ylabel("Life Expectancy")
plt.title("Violin Plot Example")
plt.show()