机器学习_线性回归预测电压和电流

小灰灰 2023-06-07 15:27 34阅读 0赞

下面是一个线性回归的示例，预测了电压和电流的关系。

from sklearn.model_selection import train_test_split # 数据划分的类：将数据分为测试集合训练集。
    import numpy as np
    import matplotlib as mpl    #画图工具
    import matplotlib.pyplot as plt
    import pandas as pd
    from pandas import DataFrame
    import time
    ## 设置字符集，防止中文乱码
    mpl.rcParams['font.sans-serif']=[u'simHei']
    mpl.rcParams['axes.unicode_minus']=False
    # 加载数据
    # 日期、时间、有功功率、无功功率、电压、电流、厨房用电功率、洗衣服用电功率、热水器用电功率
    path1='H:\household_power_consumption_1000.txt'  #加载1000条数据。
    df = pd.read_csv(path1, sep=';', low_memory=False)#没有混合类型的时候可以通过low_memory=F调用更多内存，加快效率）
    #sep分隔符
    df.head(2)
    ## 功率和电流之间的关系f
    X = df.iloc[:,2:4]
    Y2 = df.iloc[:,5]
    ## 数据分割
    X2_train,X2_test,Y2_train,Y2_test = train_test_split(X, Y2, test_size=0.2, random_state=0)
    type(X2_train)
    #X和Y转换成矩阵
    X=np.mat(X2_train)
    Y=np.mat(Y2_train).reshape(-1,1)
    type(X)
    theta=(X.T * X).I*X.T*Y   #输出theta
    print(theta)
    #对测试集合进行测试
    y_hat = np.mat(X2_test) * theta
    t=np.arange(len(X2_test))
    plt.figure(facecolor='w')
    plt.plot(t, Y2_test, 'r-', linewidth=2, label=u'真实值')
    plt.plot(t, y_hat, 'g-', linewidth=2, label=u'预测值')
    plt.legend(loc = 'lower right')
    plt.title(u"线性回归预测功率与电流之间的关系", fontsize=20)
    plt.grid(b=True)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkxNjc1NQ_size_16_color_FFFFFF_t_70]  
最后输出真实值和预测值之间的关系

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkxNjc1NQ_size_16_color_FFFFFF_t_70]: /images/20230601/2114fbf89a464517abefa8108ec00f85.png