Question

我正在用Python构建一个应用程序，该应用程序可以从数据帧中预测Pm2.5污染的值。我正在使用11月的值，并且尝试首先建立线性回归模型。如何不使用日期进行线性回归？我只需要预测Pm2.5，就可以知道日期了。这是我到目前为止尝试过的：

mutate { add_field => {"[otherDoc][e1]" => "%{[document][infoArray][0][elements][e1]}"} }

此代码引发以下错误：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

data = pd.read_csv("https://raw.githubusercontent.com/iulianastroia/csv_data/master/final_dataframe.csv")
data['day'] = pd.to_datetime(data['day'], dayfirst=True)

#Splitting the dataset into training(70%) and test(30%)
X_train, X_test, y_train, y_test = train_test_split(data['day'], data['pm25'], test_size=0.3,
                                                    random_state=0
                                                    )

#Fitting Linear Regression to the dataset
lin_reg = LinearRegression()
lin_reg.fit(data['day'], data['pm25'])

Answer 1

对于X的值，您需要传递 pandas数据框而不是 pandas系列，因此您可能需要执行以下操作

更新：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import datetime

data = pd.read_csv("https://raw.githubusercontent.com/iulianastroia/csv_data/master/final_dataframe.csv")
data['day'] = pd.to_datetime(data['day'], dayfirst=True)

print(data.head())

x_data = data[['day']]
y_data = data['pm25']

#Splitting the dataset into training(70%) and test(30%)
X_train, X_test, y_train, y_test = train_test_split(x_data, y_data, test_size=0.3,
                                                    random_state=0
                                                    )
# linear regression does not work on date type of data, convert it into numerical type
X_train['day'] = X_train['day'].map(datetime.datetime.toordinal)
X_test['day'] = X_test['day'].map(datetime.datetime.toordinal)

#Fitting Linear Regression to the dataset
lin_reg = LinearRegression()
lin_reg.fit(X_train[["day"]], y_train)

现在您可以使用来预测数据了，

print(lin_reg.predict(X_test[["day"]])) #-->predict the data

Answer 2

这就是为什么您需要“ [[”以及如何避免沮丧的原因。

data [['day']]有效而data ['day']无效的原因是，fit方法期望X的形状为2的元组，但是不希望Y的形状，请参见{{3 }}：

fit（self，X，y，sample_weight = None）[源]¶拟合线性模型。

形状的参数X {类似数组的稀疏矩阵}（n_samples， n_features）训练数据

形状为（n_samples）或（n_samples，n_targets）的类似yarray的目标价值观。如有必要，将被强制转换为X的dtype

例如：

data[['day']].shape
(43040, 1)
data['day'].shape
(43040,)
np.resize(data['day'],(len(data['day']),1)).shape
(43040, 1)

这些工作是因为它们具有所需的结构：

lin_reg.fit(data[['day']], data['pm25'])
lin_reg.fit(np.resize(data['day'],(len(data['day']),1)), data['pm25'])

这不是：

lin_reg.fit(data['day'], data['pm25'])

因此在运行功能之前，请检查您是否以必需的格式提供输入：）

如何对数据框进行线性回归？

2 个答案: