1 绪 论
2 预备知识
2.1 多元线性回归分析法基本思想
2.2 多元线性回归分析法的理论模型
2.3 多元线性回归分析的计算步骤
2.3.1 参数估计
2.3.2 假设检验
2.4 Python语言操作步骤
3 多元线性回归模型的建立与分析
3.1 数据收集与分析
3.2 模型构建
3.3 计算及结果分析
3.3.1 模型求解
3.3.2 单特征与目标的可视化
3.3.3 模型结果分析
3.3.4 相关系数检验
3.3.5 多重共线性检验
3.3.6 回归系数的显著性检验
3.3.7 模型验证
4 模型的评价
4.1 模型的优点
4.2 模型的缺点
4.3 模型的改进
5 结论与建议
参考文献:……
参考论文:
链接:https://pan.baidu.com/s/1vxPAtjoNM1V86oap9KihwA
提取码:1573
1 import pandas as pd 2 import numpy as np 3 import matplotlib.pyplot as plt 4 from sklearn.model_selection import train_test_split 5 from sklearn.model_selection import cross_val_score #导入交叉验证模块 6 from statsmodels.formula.api import ols #线性回归模型,小写的 ols 函数才会自带截距项,OLS 则不会 7 import seaborn as sns 8 plt.rcParams['font.sans-serif'] = ['SimHei'] 9 plt.rcParams['axes.unicode_minus'] = False 10 11 class Multiple_linear_regression(): 12 def __init__(self,path): 13 try: 14 self.df = pd.read_csv(path) 15 except: 16 self.df=pd.read_excel(path) 17 print(self.df.head()) 18 19 def Single_factor_scatter_plot(self): 20 for i in self.df: 21 if i==self.df.iloc[:,-1].name: 22 continue 23 else: 24 self.df.plot(x=i, y=self.df.iloc[:,-1].name, kind='scatter', title=f'因素{i}与{self.df.iloc[:,-1].name}的散点图') 25 plt.show() 26 27 def Correlation_coefficient_matrix_and_thermodynamic_diagram(self): 28 # df.corr().to_csv('相关系数矩阵.csv') 29 print(self.df.corr()) 30 heatmap = sns.heatmap(self.df.corr(), cmap='inferno', center=0.01) 31 plt.show() 32 33 def Vif_test(self): 34 # 共线性检测,vif检验,方差膨胀因子 35 def vif(df, col_i): 36 """ 37 df: 整份数据 38 col_i:被检测的列名 39 """ 40 cols = list(df.columns) 41 cols.remove(col_i) 42 cols_noti = cols 43 formula = col_i + '~' + '+'.join(cols_noti) 44 r2 = ols(formula, df).fit().rsquared 45 # 其实就是多元线性回归建模步骤,只是取出了参数 R 平方而已 46 test = 1. / (1. - r2) 47 return test 48 49 print('vif检验结果') 50 print(' 变量 vif检验值') 51 vif_value = [] 52 for i in self.df: 53 print(i.center(7) + ' ', str(vif(df=self.df, col_i=i))) 54 vif_value.append(vif(df=self.df, col_i=i)) 55 plt.bar([x for x in self.df], vif_value, color='teal') 56 plt.axhline(10, color='red', lw=2, label="参考线") 57 plt.title("VIF检验结果") 58 plt.xlabel("变量") 59 plt.ylabel("VIF_value") 60 plt.show() 61 62 def Model(self): 63 st='' 64 for k in self.df: 65 if k == self.df.iloc[:, -1].name: 66 continue 67 else: 68 st += ''.join(k) + '+' 69 xy=f'{self.df.iloc[:, -1].name}~{st[0:-1]}' 70 lm = ols(xy, data=self.df).fit() 71 print(lm.summary())源代码类,命名为MLR
1 import MLR 2 a=MLR.Multiple_linear_regression(path='house.csv') 3 4 a.Single_factor_scatter_plot() 5 a.Correlation_coefficient_matrix_and_thermodynamic_diagram() 6 a.Vif_test() 7 a.Model()调用类
标签:plt,vif,df,回归,多元,3.3,线性,import,self From: https://www.cnblogs.com/hongbao/p/17360428.html