如何对数据框进行线性回归？

Question

我正在用 Python 构建一个应用程序，它可以从数据帧中预测 Pm2.5 污染的值。我正在使用 11 月的值，并且我正在尝试首先构建线性回归模型。如何在不使用日期的情况下进行线性回归？我只需要 Pm2.5 的预测，日期是已知的。 到目前为止，这是我尝试过的：

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'])

此代码引发以下错误：

ValueError: Expected 2D array, got 1D array instead:
array=['2019-11-01T00:00:00.000000000' '2019-11-01T00:00:00.000000000'
 '2019-11-01T00:00:00.000000000' ... '2019-11-30T00:00:00.000000000'
 '2019-11-30T00:00:00.000000000' '2019-11-30T00:00:00.000000000'].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

Answer 1

对于X 值，您需要传递 pandas dataframe 而不是 pandas series，因此您可能想要做这样的事情，

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)

---

现在您可以使用以下方法预测数据，

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

Answer 2

这只是添加到您为什么需要“[[”以及如何避免挫败感的其他内容。

data[['day']] 有效而 data['day'] 无效的原因是 fit 方法期望 X 的元组为 2 的形状，而不是 Y，请参阅vignette ：

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

参数 X{array-like, sparse matrix} 形状 (n_samples, n_features) 训练数据

yarray-like 形状 (n_samples,) 或 (n_samples, n_targets) 目标 价值观。如有必要，将转换为 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'])

虽然不是这样：

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

因此，在运行函数之前，请检查您是否以所需格式提供输入：)