AQI(空气质量指数)分析与预测（四）

对空气质量进行预测
我们可以通过对以往数据的分析，建立模型，然后将这种模式去应用于未知的数据，进而预测结果。
数据转换
因为对于模型来说，内部进行的都是数学运算，故在进行建模之前，我们需要将类别变量转换为离散变量。

data['Coastal'] = data['Coastal'].map({
   '是':1, '否':0})

基模型
首先建立一个不做任何处理的基模型，后续的操作，可以在此基础上进行改进。

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

x = data.drop(['City','AQI'], axis=1) #删除城市以及AQI两列
y = data['AQI']
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random=0)

lr = LinearRegression()
lr.fit(x_train, y_train)
print('训练集R^2值：', lr.score(x_train, y_train))
print('测试集R^2值：', lr.score(x_test, y_test))

训练集R^2值：0.4538897765064036
测试集R^2值：0.40407705623832957

线性回归预测结果

y_hat = lr.predict(x_test)
plt.figure(figsize=(15,5))
plt.plot(y_test.values, '-r'