目录

机器学习 - 多重回归


多重回归

多重回归就像线性回归,但具有多个独立值,这意味着我们尝试根据两个或更多变量。

看一下下面的数据集,它包含了一些关于汽车的信息。

模型 体积 重量 二氧化碳
丰田 艾戈 1000 790 99
三菱 太空之星 1200 1160 95
斯柯达 西蒂戈 1000 929 95
菲亚特 500 900 865 90
小型的 库珀 1500 1140 105
大众汽车 向上! 1000 929 105
斯柯达 法比亚 1400 1109 90
奔驰 一类 1500 1365 92
福特 嘉年华 1500 1112 98
奥迪 A1 1600 1150 99
现代 I20 1100 980 99
铃木 迅速 1300 990 101
福特 嘉年华 1000 1112 99
本田 思域 1600 1252 94
现代 I30 1600 1326 97
欧宝 阿斯特拉 1600 1330 97
宝马 1 1600 1365 99
马自达 3 2200 1280 104
斯柯达 迅速的 1600 1119 104
福特 重点 2000 1328 105
福特 蒙迪欧 1600 1584 94
欧宝 徽章 2000 1428 99
奔驰 C级 2100 1365 99
斯柯达 奥克塔维亚 1600 1415 99
沃尔沃 S60 2000 1415 99
奔驰 共轭亚油酸 1500 1465 102
奥迪 A4 2000 1490 104
奥迪 A6 2000 1725 114
沃尔沃 V70 1600 1523 109
宝马 5 2000 1705 114
奔驰 E级 2100 1605 115
沃尔沃 XC70 2000 1746 117
福特 最大B值 1600 1235 104
宝马 2 1600 1390 108
欧宝 扎菲拉 1600 1405 109
奔驰 SLK 2500 1395 120

我们可以根据发动机的大小来预测汽车的二氧化碳排放量,但通过多重回归,我们可以引入更多变量,例如汽车的重量,以使预测更加准确。


它是如何工作的?

在 Python 中,我们有可以为我们完成工作的模块。首先导入 Pandas 模块。

import pandas

了解有关 Pandas 模块的信息Pandas教程

Pandas 模块允许我们读取 csv 文件并返回 DataFrame 对象。

该文件仅用于测试目的,您可以在此处下载:数据.csv

df = pandas.read_csv("data.csv")

然后列出独立值并调用该变量X

将依赖值放入名为的变量中y

X = df[['Weight', 'Volume']]
y = df['CO2']

提示:通常用大写的 X 命名独立值的列表,用小写的 y 命名依赖值的列表。

我们将使用 sklearn 模块中的一些方法,因此我们还必须导入该模块:

from sklearn import linear_model

在 sklearn 模块中,我们将使用LinearRegression()方法创建线性回归对象。

这个对象有一个方法叫做fit()将独立值和相关值作为参数,并用描述关系的数据填充回归对象:

regr = linear_model.LinearRegression()
regr.fit(X, y)

现在我们有了一个回归对象,可以根据汽车的重量和体积来预测二氧化碳值:

#predict the CO2 emission of a car where the weight is 2300kg, and the volume is 1300cm3:
predictedCO2 = regr.predict([[2300, 1300]])

示例

查看整个示例的实际效果:

import pandas
from sklearn import linear_model

df = pandas.read_csv("data.csv")

X = df[['Weight', 'Volume']]
y = df['CO2']

regr = linear_model.LinearRegression()
regr.fit(X, y)

#predict the CO2 emission of a car where the weight is 2300kg, and the volume is 1300cm 3:
predictedCO2 = regr.predict([[2300, 1300]])

print(predictedCO2)

结果:

[107.2087328]

运行示例 »

我们预测,一辆配备 1.3 升发动机、重量为 2300 公斤的汽车,每行驶一公里将释放约 107 克二氧化碳。



系数

系数是描述与未知变量之间关系的因子。

示例:如果x是一个变量,那么2xx两次。x是未知变量,数字2是系数。

在这种情况下,我们可以要求重量相对于二氧化碳的系数值,以及体积相对于二氧化碳的系数值。我们得到的答案告诉我们如果增加或减少其中一个独立值会发生什么。

示例

打印回归对象的系数值:

import pandas
from sklearn import linear_model

df = pandas.read_csv("data.csv")

X = df[['Weight', 'Volume']]
y = df['CO2']

regr = linear_model.LinearRegression()
regr.fit(X, y)

print(regr.coef_)

结果:

[0.00755095 0.00780526]

运行示例 »

结果解释

结果数组表示重量和体积的系数值。

重量:0.00755095
体积:0.00780526

这些值告诉我们,如果重量增加 1 千克,二氧化碳排放量就会增加 0.00755095 克。

而如果发动机尺寸(体积)增加1厘米3,CO2排放量增加0.00780526克。

我认为这是一个合理的猜测,但让我们测试一下!

我们已经预测过如果一辆1300cm的车3发动机重2300kg,二氧化碳排放量约为107g。

如果我们增加1000公斤的重量会怎么样?

示例

复制之前的示例,但将权重从 2300 更改为 3300:

import pandas
from sklearn import linear_model

df = pandas.read_csv("data.csv")

X = df[['Weight', 'Volume']]
y = df['CO2']

regr = linear_model.LinearRegression()
regr.fit(X, y)

predictedCO2 = regr.predict([[3300, 1300]])

print(predictedCO2)

结果:

[114.75968007]

运行示例 »

我们预测,一辆配备 1.3 升发动机、重量为 3300 公斤的汽车,每行驶一公里将释放约 115 克二氧化碳。

这表明系数 0.00755095 是正确的:

107.2087328 + (1000 * 0.00755095) = 114.75968