python 实现案例1、选取数据

 
执行代码

#!usr/bin/env python

#_*_ coding:utf-8 _*_

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

import matplotlib as mpl   #显示中文

def mul_lr():

    pd_data=pd.read_excel('C:\\Users\\lenovo\\Desktop\\test.xlsx')

    print('pd_data.head(10)=\n{}'.format(pd_data.head(10)))

mpl.rcParams['font.sans-serif'] = ['SimHei']  #配置显示中文，否则乱码

mpl.rcParams['axes.unicode_minus']=False #用来正常显示负号，如果是plt画图，则将mlp换成plt

sns.pairplot(pd_data, x_vars=['中证500','泸深300','上证50','上证180'], y_vars='上证指数',kind="reg", size=5, aspect=0.7) 

plt.show()#注意必须加上这一句，否则无法显示。

添加参数kind=”reg”结果
#####2、构建训练集与测试级，并构建模型

from sklearn.model_selection import train_test_split #这里是引用了交叉验证

from sklearn.linear_model import LinearRegression  #线性回归

from sklearn import metrics

import numpy as np

import matplotlib.pyplot as plt

def mul_lr():   #续前面代码

    #剔除日期数据，一般没有这列可不执行，选取以下数据http://blog.csdn.net/chixujohnny/article/details/51095817

    X=pd_data.loc[:,('中证500','泸深300','上证50','上证180')]

    y=pd_data.loc[:,'上证指数']

    X_train,X_test, y_train, y_test = train_test_split(X,y,test_size = 0.2,random_state=100)

    print ('X_train.shape={}\n y_train.shape ={}\n X_test.shape={}\n,  y_test.shape={}'.format(X_train.shape,y_train.shape, X_test.shape,y_test.shape))

    linreg = LinearRegression()

    model=linreg.fit(X_train, y_train)

    print (model)

    # 训练后模型截距

    print (linreg.intercept_)

    # 训练后模型权重（特征个数无变化）

    print (linreg.coef_)

   feature_cols = ['中证500','泸深300','上证50','上证180','上证指数']

    B=list(zip(feature_cols,linreg.coef_))

    print(B)

3、模型预测

    #预测

    y_pred = linreg.predict(X_test)

    print (y_pred) #10个变量的预测结果

4、模型评估

    #评价

    #(1) 评价测度

    # 对于分类问题，评价测度是准确率，但这种方法不适用于回归问题。我们使用针对连续数值的评价测度(evaluation metrics)。

    # 这里介绍3种常用的针对线性回归的测度。 

    # 1)平均绝对误差(Mean Absolute Error, MAE) 

    # (2)均方误差(Mean Squared Error, MSE)

    # (3)均方根误差(Root Mean Squared Error, RMSE)

    # 这里我使用RMES。

    sum_mean=0

    for i in range(len(y_pred)):

        sum_mean+=(y_pred[i]-y_test.values[i])**2

    sum_erro=np.sqrt(sum_mean/10)  #这个10是你测试级的数量

    # calculate RMSE by hand

    print ("RMSE by hand:",sum_erro)

    #做ROC曲线

    plt.figure()

      plt.plot(range(len(y_pred)),y_pred,'b',label="predict")

     plt.plot(range(len(y_pred)),y_test,'r',label="test")

    plt.legend(loc="upper right") #显示图中的标签

    plt.xlabel("the number of sales")

    plt.ylabel('value of sales')

    plt.show()

附录：

相应的参数说明。 
fit_intercept: 布尔型，默认为true 
说明：是否对训练数据进行中心化。如果该变量为false，则表明输入的数据已经进行了中心化，在下面的过程里不进行中心化处理；否则，对输入的训练数据进行中心化处理 
normalize布尔型，默认为false 
说明：是否对数据进行标准化处理 
copy_X 布尔型，默认为true 
说明：是否对X复制，如果选择false，则直接对原数据进行覆盖。（即经过中心化，标准化后，是否把新数据覆盖到原数据上） 
**n_jobs整型， 默认为1 
说明：计算时设置的任务个数(number of jobs)。如果选择-1则代表使用所有的CPU。这一参数的对于目标个数>1（n_targets>1）且足够大规模的问题有加速作用。 
返回值：

coef_ 数组型变量， 形状为(n_features,)或(n_targets, n_features) 
说明：对于线性回归问题计算得到的feature的系数。如果输入的是多目标问题，则返回一个二维数组(n_targets, n_features)；如果是单目标问题，返回一个一维数组 (n_features,)。 
intercept_ 数组型变量 
说明：线性模型中的独立项。

注：该算法仅仅是scipy.linalg.lstsq经过封装后的估计器。

方法：

decision_function(X) 对训练数据X进行预测 
fit(X, y[, n_jobs]) 对训练集X, y进行训练。是对scipy.linalg.lstsq的封装 
get_params([deep]) 得到该估计器(estimator)的参数。 
predict(X) 使用训练得到的估计器对输入为X的集合进行预测（X可以是测试集，也可以是需要预测的数据）。 
score(X, y[,]sample_weight) 返回对于以X为samples，以y为target的预测效果评分。 
set_params(**params) 设置估计器的参数

decision_function(X) 和predict(X)都是利用预估器对训练数据X进行预测，其中decision_function(X)包含了对输入数据的类型检查，以及当前对象是否存在coef_属性的检查，是一种“安全的”方法，而predict是对decision_function的调用。

score(X, y[,]sample_weight) 定义为(1-u/v)，其中u = （（y_true - y_pred）**2）.sum()，而v=((y_true-y_true.mean())**2).mean() 
最好的得分为1.0，一般的得分都比1.0低，得分越低代表结果越差。 
其中sample_weight为(samples_n,)形状的向量，可以指定对于某些sample的权值，如果觉得某些数据比较重要，可以将其的权值设置的大一些。

例子：

from sklearn import linear_model 

clf = linear_model.LinearRegression() 

clf.fit ([[0, 0], [1, 1], [2, 2]], [0, 1, 2]) 

LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False) 

clf.coef_ array([ 0.5,  0.5])