线性回归 - 如何预测估计的相对性能？

Question

保罗需要一台足够快的笔记本电脑。他必须关注的计算机的主要参数之一是CPU。在这个项目中，我们需要预测CPU的性能，该项目以周期时间和内存能力等为特征。

。

这是线性回归问题，您应该预测估计的相对性能列。

我是新手Python。有人可以帮助我完成此任务的代码吗？

？我做了。但是可能我不明白此案。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm

data = pd.read_csv("Computer_Hardware.csv")
data
data.describe()

y = data["Machine Cycle Time in nanoseconds"]
x1 = data["Estimated Relative Performance"]
plt.scatter(x1,y)
plt.xlabel("Estimated Relative Performance", fontsize = 20)
plt.ylabel("Machine Cycle Time in nanoseconds", fontsize = 20)
plt.show()

x = sm.add_constant(x1)
x = sm.add_constant(x1)
results = sm.OLS(y,x).fit()
results.summary()

Answer 1

在 statsModels 的任何拟合模型中，您都可以使用Method predive（）提取预测值，然后将它们添加到框架中。

data['predicted'] = results.predict()

也许您的模型需要更多的工作，目前，它仅使用一个变量，也许您将使用另一个使用更多变量的模型获得更好的预测。

y = b0 + b1 * x1

根据文本，“ ...以周期时间和内存能力为特征的CPU等是问题。

建议是使用 statsModels API扩展您的模型来编写公式。在您的情况下，我喜欢以前删除列名称中的所有空间。

# Rename columns without spaces
old_columns = data.columns
new_columns = [col.replace(' ', '_') for col in old_columns]
data = data.rename(columns={old:new for old, new in zip(old_columns, new_columns)})

# Fit a model using more variables
import statsmodels.formula.api as sm2

formula = ('Estimated_Relative_Performance ~ ', 
           'Machine_Cycle_Time_in_nanoseconds + ',
           'Maximum_Main_Memory_in_kilobytes + ', 
           'Cache_Memory_in_Kilobytes + ', 
           'Maximum_Channels_in_Units')
formula = ' '.join(formula)
print(formula)

results2 = sm2.ols(formula, data).fit()
results2.summary()

data['predicted2'] = results2.predict()

Answer 2

如果您对Python没有太多经验，Keras是最容易使用的图书馆之一。这是一个很好的教程：

Answer 3

我研究了有关该主题的一些博客，并带有此代码：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

%matplotlib inline

raw_data = pd.read_csv("Computer_Hardware.csv")

x = raw_data[['Machine Cycle Time in nanoseconds',
       'Minimum Main Memory in Kilobytes', 'Maximum Main Memory in kilobytes',
       'Cache Memory in Kilobytes', 'Minimum Channels in Units',
       'Maximum Channels in Units', 'Published Relative Performance']]

y = raw_data['Estimated Relative Performance']

from sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3)

from sklearn.linear_model import LinearRegression

model = LinearRegression()

model.fit(x_train, y_train)

print(model.coef_)

print(model.intercept_)

pd.DataFrame(model.coef_, x.columns, columns = ['Coeff'])

predictions = model.predict(x_test)

plt.hist(y_test - predictions)

from sklearn import metrics

metrics.mean_absolute_error(y_test, predictions)

metrics.mean_squared_error(y_test, predictions)

np.sqrt(metrics.mean_squared_error(y_test, predictions))