线性回归入门案例家庭用电量预测

最新推荐文章于 2022-09-17 13:09:49 发布

原创

最新推荐文章于 2022-09-17 13:09:49 发布 · 2.5k 阅读

39 ·

CC 4.0 BY-SA版权

这篇博客是线性回归的入门教程，专注于一阶线性回归。通过提供数据集的下载链接和Python3代码示例，讲解如何导入数据，处理缺失值，提取特征，划分数据集，进行模型训练和预测，同时展示模型参数、评估结果和可视化。

本博客是线性回归的入门案例，仅用到一阶线性回归

代码中用到的数据集下载地址

[link] https://pan.baidu.com/s/12wSIOVMQ3zS3jK0FcwkTSw[

python3版本代码段

导包

#导包
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import time

import sklearn
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression   
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_absolute_error,r2_score

加载数据，过滤残缺数据

# 加载数据
path = '../data_files/household_power_consumption_1000.txt' ## 1000行数据
df = pd.read_csv(path, sep=';', low_memory=False)   #当文件中的数据类型为单一类型时，low_memory能提高效率

# 异常数据处理(异常数据过滤)
new_df = df.replace('?', np