案例:使用線性回歸預(yù)測(cè)葡萄酒質(zhì)量

這也是一個(gè)經(jīng)典的描述性統(tǒng)計(jì)與建模的小案例了,主要用到pandas進(jìn)行數(shù)據(jù)處理,用statsmodels進(jìn)行統(tǒng)計(jì)建模就轧。

數(shù)據(jù)來(lái)源:

紅葡萄酒(http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv
白葡萄酒(http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-white.csv
將這兩個(gè)數(shù)據(jù)表合并成為一個(gè)新的數(shù)據(jù)集wine豌鹤,然后統(tǒng)一處理,代碼如下:

import numpy as np
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import statsmodels.api as sm
import statsmodels.formula.api as smf
from statsmodels.formula.api import ols, glm

合并文件

filepath1 = 'C:/Users/Carman/Downloads/winequality-red.csv'
filepath2 = 'C:/Users/Carman/Downloads/winequality-white.csv'
red = pd.read_csv(filepath1,sep = ';')
white = pd.read_csv(filepath2,sep = ';')
red['type'] = 'red'   # 新增type一欄用于之后進(jìn)行不同葡萄酒的品種對(duì)比
white['type'] = 'white'
wine = red.append(white).reset_index(drop = True)
wine.columns = wine.columns.str.replace(' ','_')

按照葡萄酒類型顯示質(zhì)量的描述性統(tǒng)計(jì)

wine.groupby('type')['quality'].describe().unstack('type')
image.png

用seaborn畫一下兩種類型葡萄酒評(píng)分分布的密度直方圖叫倍,從統(tǒng)計(jì)圖可以看出,兩種葡萄酒的評(píng)分都近似正態(tài)分布豺瘤。

sns.set_style("dark")
sns.distplot(red_wine,norm_hist=True, kde=False, color="red", label="Red wine")
sns.distplot(white_wine,norm_hist=True, kde=False, color="white", label="White wine")
plt.title("Distribution of Quality by Wine Type")
plt.legend()
plt.show()
image.png

然后可以用t檢驗(yàn)判斷紅葡萄酒和白葡萄酒的平均評(píng)分是否有區(qū)別吆倦。
ps:t檢驗(yàn)是用于小樣本的兩個(gè)平均值差異程度的檢驗(yàn)方法。它是用T分布理論來(lái)推斷差異發(fā)生的概率坐求,從而判定兩個(gè)平均數(shù)的差異是否顯著蚕泽。(上學(xué)期看的統(tǒng)計(jì)學(xué)的書又忘光了~~)

# 檢驗(yàn)紅葡萄酒和白葡萄酒的平均質(zhì)量是否有所不同
print(wine.groupby(['type'])[['quality']].std())
tstat, pvalue, df = sm.stats.ttest_ind(white_wine,red_wine)
print('\ntstat: %.3f pvalue: %.4f' % (tstat, pvalue))
image.png

t 檢驗(yàn)統(tǒng)計(jì)量為 9.69,p 值為 0.00瞻赶,這說(shuō)明白葡萄酒的平均質(zhì)量評(píng)分在統(tǒng)計(jì)意義上大于紅葡萄酒的平均質(zhì)量評(píng)分赛糟。

成對(duì)變量之間的關(guān)系和相關(guān)性

##計(jì)算所有變量的相關(guān)矩陣
print(wine.corr())

corr 函數(shù)可以計(jì)算出數(shù)據(jù)集中所有變量?jī)蓛芍g的線性相關(guān)性。根據(jù)相關(guān)系數(shù)的符號(hào)砸逊,從輸出中可以知道酒精含量璧南、硫酸鹽、pH 值师逸、游離二氧化硫和檸檬酸這些指標(biāo)與質(zhì)量是正相關(guān)的司倚,相反,非揮發(fā)性酸篓像、揮發(fā)性酸动知、殘余糖分、氯化物员辩、總二氧化硫和密度這些指標(biāo)與質(zhì)量是負(fù)相關(guān)的盒粮。

用statsmodel 包來(lái)進(jìn)行線性回歸

my_formula = 'quality~alcohol + chlorides + citric_acid + density\
+ fixed_acidity + free_sulfur_dioxide + pH + residual_sugar + sulphates\
+ total_sulfur_dioxide + volatile_acidity'
lm = ols(my_formula, data=wine).fit()

第一行代碼將一個(gè)字符串賦給變量 my_foumula,有點(diǎn)R 語(yǔ)言語(yǔ)法的回歸公式定義奠滑。波浪線左側(cè)的變量 quality 是因變量丹皱,波浪線右側(cè)的變量是自變量妒穴。
輸出看一下結(jié)果:

print(lm.summary())

打印出了模型結(jié)果的摘要信息,包括模型系數(shù)摊崭、系數(shù)的標(biāo)準(zhǔn)差和置信區(qū)間讼油、修正 R 方、F 統(tǒng)計(jì)量等等信息呢簸。

做預(yù)測(cè)

對(duì)數(shù)據(jù)進(jìn)行線性回歸的建模之后就可以根據(jù)給出的自變量特征值做預(yù)測(cè)了矮台,這里方便起見我們隨機(jī)選取一些已經(jīng)擬合過的數(shù)據(jù)

new_observations = wine.sample(20)
new_observations=new_observations[new_observations.columns.difference(['quality', 'type'])]
y_test = new_observations1.quality
# 基于新觀測(cè)中的葡萄酒特性預(yù)測(cè)質(zhì)量評(píng)分
y_predicted = lm.predict(new_observations1)
# 將預(yù)測(cè)值保留兩位小數(shù)并打印到屏幕上
y_predicted_rounded = [round(score, 2) for score in y_predicted]
print(y_predicted_rounded)

對(duì)于準(zhǔn)確性的檢驗(yàn)本來(lái)想用 accuracy_score,但是可能因?yàn)轭A(yù)測(cè)的quality有小數(shù)位數(shù)的原因報(bào)錯(cuò)根时,將小數(shù)四舍五入成整數(shù)之后倒是可以用瘦赫,不過最終結(jié)果只有0.4。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末啸箫,一起剝皮案震驚了整個(gè)濱河市耸彪,隨后出現(xiàn)的幾起案子伞芹,更是在濱河造成了極大的恐慌忘苛,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,000評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件唱较,死亡現(xiàn)場(chǎng)離奇詭異扎唾,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)南缓,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,745評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門胸遇,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人汉形,你說(shuō)我怎么就攤上這事纸镊。” “怎么了概疆?”我有些...
    開封第一講書人閱讀 168,561評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵逗威,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我岔冀,道長(zhǎng)凯旭,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 59,782評(píng)論 1 298
  • 正文 為了忘掉前任使套,我火速辦了婚禮罐呼,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘侦高。我一直安慰自己嫉柴,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,798評(píng)論 6 397
  • 文/花漫 我一把揭開白布奉呛。 她就那樣靜靜地躺著计螺,像睡著了一般期奔。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上危尿,一...
    開封第一講書人閱讀 52,394評(píng)論 1 310
  • 那天呐萌,我揣著相機(jī)與錄音,去河邊找鬼谊娇。 笑死肺孤,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的济欢。 我是一名探鬼主播赠堵,決...
    沈念sama閱讀 40,952評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼法褥!你這毒婦竟也來(lái)了茫叭?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,852評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤半等,失蹤者是張志新(化名)和其女友劉穎揍愁,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體杀饵,經(jīng)...
    沈念sama閱讀 46,409評(píng)論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡莽囤,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,483評(píng)論 3 341
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了切距。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片朽缎。...
    茶點(diǎn)故事閱讀 40,615評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖谜悟,靈堂內(nèi)的尸體忽然破棺而出话肖,到底是詐尸還是另有隱情,我是刑警寧澤葡幸,帶...
    沈念sama閱讀 36,303評(píng)論 5 350
  • 正文 年R本政府宣布最筒,位于F島的核電站,受9級(jí)特大地震影響礼患,放射性物質(zhì)發(fā)生泄漏是钥。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,979評(píng)論 3 334
  • 文/蒙蒙 一缅叠、第九天 我趴在偏房一處隱蔽的房頂上張望悄泥。 院中可真熱鬧,春花似錦肤粱、人聲如沸弹囚。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,470評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)鸥鹉。三九已至蛮穿,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間毁渗,已是汗流浹背践磅。 一陣腳步聲響...
    開封第一講書人閱讀 33,571評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留灸异,地道東北人府适。 一個(gè)月前我還...
    沈念sama閱讀 49,041評(píng)論 3 377
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像肺樟,于是被迫代替她去往敵國(guó)和親檐春。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,630評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容