Python回归分析数据预处理

咚咚雨咚咚

于 2022-04-13 20:14:16 发布

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：数据分析文章标签： python 数据分析数据可视化

本文链接：https://blog.youkuaiyun.com/qq_41664272/article/details/124156656

本文介绍了使用Python进行回归分析前的数据预处理步骤，包括数据清洗、缺失值处理、异常值检测和标准化等。通过实例展示了如何利用Pandas和NumPy库进行这些操作，并探讨了预处理对回归模型性能的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

'''
@Time    : 2022/4/4 11:23
@Author  : dongdong
@File    : predictive_model.py
@Desc    :
'''
import numpy as np
import matplotlib.pyplot as plt
from  sklearn.linear_model import LinearRegression

plt.rcParams['font.sans-serif'] = ['SimHei'] #显示中文
# 1.数据展示：了解数据，可以是csv读取，也可以直接copy进来
years = np.arange(2009,2020)
sales = np.array([0.52,9.36,33.6,132,352,571,912,1207,1682,2135,2684])
# print(years)
# print(sales)
# plt.scatter(years,sales,c = 'red')
# plt.show()
# 2.初步判断：多项式回归(3阶)
'''
y = a*x^3 + b*x^2 + c*x +d
'''
# 3.数据预处理：准备x,y对应的值，方便后续建模并计算系数、截距
model_y = sales
model_x = (years - 2008).reshape(-1,1)
model_x = np.concatenate([model_x**3,model_x**2,model_x],axis=1)
print(model_x)

# 4.创建回归模型（多项式->1元3次）
model = LinearRegression()
# 5.数据训练
model.fit(model_x,model_y)
# 6.获取系数、截距 -> 声明方程式
print('系数：',mo