python数据分析实战之数据分析实战之AQI预测预测
前言:上一篇对AQI进行了分析,这一篇根据对以往的数据,建立一个模型,可以将模型应用于未知的数据,来进行AQI的预
测。
文章目录文章目录1、加载相关库和数据集2、数据处理和转换2.1 简单的数据处理2.2 数据转换3、建立基模型4、特征选择4.1 RFECV4.2
使用RFECV进行特征选择5、异常值处理5.1 使用临界值进行填充5.2 分箱离散化6 、残差图分析6.1 异方差性6.2 离群点
1、加载相关库和数据集、加载相关库和数据集
使用的库主要有:pandas、numpy、matplotlib、seaborn、sklearn
使用的数据集:2015年空气质量指数(AQI)数据集
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
sns.set(style="darkgrid")
plt.rcParams["font.family"] = "SimHei" # 设置可以显示中文字体
plt.rcParams["axes.unicode_minus"] = False
warnings.filterwarnings("ignore") # 忽略警告信息
data = pd.read_csv("AQI_data.csv") # AQI历史数据集
2、数据处理和转换、数据处理和转换
2.1 简单的数据处理简单的数据处理
# 空值、重复值处理
data.fillna({"Precipitation": data["Precipitation"].median()}, inplace=True)
data.drop_duplicates(inplace=True)
2.2 数据转换数据转换
对于模型来说,内部进行的都是数学上的运算,所以在进行建模之前,我们需要对类别变量进行数据转换,变成离散变量。
# 将类别变量(是,否)转成离散变量(1,0)
data["Coastal"] = data["Coastal"].map({"是": 1, "否": 0})
data["Coastal"].value_counts()
3、建立基模型、建立基模型
不进行任何处理,建立一个基模型,后续的操作都可以在此基础上进行改进。
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
X = data.drop(["City","AQI"], axis=1) # 城市名称对结果不会有影响,所以去除城市列
y = data["AQI"] # 切分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)
lr = LinearRegression()
lr.fit(X_train, y_train) # 使用训练集训练模型
print("训练集R^2:",lr.score(X_train, y_train))
print("测试集R^2:",lr.score(X_test, y_test))
------------------------
训练集R^2: 0.4685357478390665
测试集R^2: 0.3075998035417721
y_hat = lr.predict(X_test)
plt.figure(figsize=(15, 5))
plt.plot(y_test.values, "-r", label="真实值", marker="o")
plt.plot(y_hat, "-g", label="预测值", marker="D")
plt.legend(loc="upper left")
plt.title("线性回归预测结果", fontsize=20)
评论3
最新资源