时间戳

首页 > 解决方案 > 具有分类特征的线性回归分析

python - 具有分类特征的线性回归分析

问题描述

回归算法可以很好地表示为数字。很清楚如何对包含数字的数据进行回归并预测输出。但是我需要对包含分类特征的数据进行回归分析。我有一个 csv 文件，其中包含两列 install-id 和 page-name 都是对象类型。我需要将 install-id 作为输入，而 page-name 应该被预测为输出。下面是我的代码。请帮助我。

import pandas as pd
data = pd.read_csv("/Users/kashifjilani/Downloads/csv/newjsoncontent.csv")
X = data["install-id"]
Y = data["endPoint"]
X = pd.get_dummies(data=X, drop_first=True)
from sklearn import linear_model
from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = .20, random_state = 40)
regr = linear_model.LinearRegression()
regr.fit(X_train, Y_train)
predicted = regr.predict(X_test)

标签： pythonregressionlinear-regression

解决方案

我认为在这里我们必须记住回归模型的假设。因为我们试图预测/识别自变量（X）和因变量（y）之间的趋势。- 线性可分离 - 自变量具有受限的多重共线性。- 同方差性

如您的示例中给出的，您只有一个自变量，并且总结 X 和 y 之间的趋势都应该是线性的。

假设您已经给出了一个任务来预测旅行的总旅行时间。并且您的数据集具有以下变量 IV - Miles Traveled、NoOfDeliveries、GasPrice 和 City DV - Traveltime

在这里您可以看到它是数值（行驶里程，GasPrice）+ 分类变量（NoOfDeliveries，城市）的混合体。现在您必须将这些分类变量编码为数字（以便进行回归分析）并预测输出。

要将分类变量编码为二进制格式，我们在这里使用 sklearn 库中的 2 个对象 - LabelEncoder 和 OneHotEncoder。

请点击以下链接以了解有关如何处理 分类变量的更多信息

请找到以下链接以了解有关虚拟变量陷阱的更多信息

请找到以下链接以了解有关构建简单线性回归模型的更多信息

推荐阅读