41、电力能源输出预测与6T SRAM设计

电力能源输出预测与6T SRAM设计

1. 电力能源输出预测

1.1 数据集划分

原始数据集维度为 (9568, 5)，按照 75:25 的比例随机划分为训练集和测试集。具体操作如下：

x = data[['AT', 'V', 'AP', 'RH']]
y = data['PE']
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1)

划分后，训练集维度为 (7176, 5)，测试集维度为 (2392, 5)。其中， x_train 和 x_test 包含训练集和测试集的所有独立特征， y_train 和 y_test 仅包含训练集和测试集的依赖特征。

1.2 线性回归

根据公式 $y = β_0 + β_1 × AT + β_2 × V + β_3 × AP + β_4 × RH$ 计算数据集的预测特征。其中，$β$ 值被称为模型系数，这些值通过“最小二乘法”在模型拟合阶段“学习”得到。拟合模型的系数和斜率值如下：
- 系数：447.06297098687327
- 斜率值：[-1.97376045, -0.23229086, 0.0693515, -0.15806957]

线性回归模型的评估结果如下表所示：
| 数据集 | 均方误差 (MSE) | 均方根误差 (RMSE