回归分析预测

这篇博客主要介绍了如何使用Python的sklearn库进行回归分析。首先,进行了数据加载和预处理,包括数据标准化和绘制散点图。然后,通过train_test_split将数据划分为训练集和测试集。接着,作者手动实现和使用sklearn内置的KNN算法进行预测,并评估了k=5时的预测准确性。最后,应用线性回归模型进行预测,得出模型的均方误差为0.977,表明模型表现良好。
摘要由CSDN通过智能技术生成

导包

import sys
import numpy as np
import pandas as pd
pd.set_option('display.max_rows',999)
pd.set_option('display.width',500)
pd.set_option('display.notebook_repr_html',True)
import matplotlib
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn import metrics,datasets
from collections import Counter
import statsmodels.api as sm# 线性回归
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
%matplotlib inline
import seaborn as sns
from sklearn.neighbors import KNeighborsClassifier
from statsmodels.api import OLS

乱码处理

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

加载数据集

iris_bunch=datasets.load_iris()
iris_bunch

  • 3
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值