线性回归预测PM2.5

Anodons

已于 2022-09-30 21:01:00 修改

阅读量728

点赞数 1

分类专栏： Python 文章标签：线性回归机器学习算法

于 2022-09-30 20:57:34 首次发布

本文链接：https://blog.youkuaiyun.com/qq943686211/article/details/127129018

版权

本文介绍了一种使用线性回归算法来预测PM2.5浓度的方法。通过编写代码并结合相关数据，作者展示了如何运用机器学习技术进行空气质量预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、题目：
在这里插入图片描述
二、代码

import csv
import numpy as np


# 处理训练数据,得到train_x,train_y
# 其中,train_x(12×471,18×9)，train_y(12×471，1×1)
def train_data_process(file_name):
    # 打开train.csv,将file对象转为reader对象，并存储在reader
    with open(file_name, 'r+', encoding='gbk') as f:
        reader = csv.reader(f, delimiter=',')

        # 初始化一个18维的向量（18中污染物），向量的每个属性均为一个向量（连续12×20×24=12×480h）
        # 即二维数组，18列（污染物）×
        data = []
        for i in range(18):
            data.append([])

        # 遍历reader对象，每18行分别读入18维向量，重复进行
        index = 0
        for row in reader:
            # 首行不读
            if reader.line_num == 1:
                continue
            # 前三列（0，1，2）不读
            for i in range(3, len(row)):
                if row[i] == 'NR':
                    row[i] = 0
                data[index].append(row[i])
            index = (index + 1) % 18

    # 将data分割得到12month×471个样本；其中，每个样本为train_x,train_y
    # Q：我思考，这些样本之间要满足怎样的关系呢？还是说没关系也行呢？有关系又行不行呢？
    # Q：因为每个月的样本之间，不用月的样本之间，其关系肯定不一致，so？
    # A：线性模型中，所有样本组成一个矩阵，每个样本为独立一行（作为出入），我们只需要保证单个样本之内
    # 的关系是一致的，即连续10个小时（其第10个小时作为y），样本之间的关系我们无需理会
    # 换句话来说，就是我们要保证输入-输出的对应性，而不用保证输入之间的关系
    # 其中，train_y依次排序即可，使用的时候也依次取

    # 二维矩阵要整成一维序列,即向量 []