在Python中学习y=a*x+b形式的线性模型

Question

我目前在python工作，试图学习如何使用财富500强数据集进行线性回归。到目前为止，我已经通过删除N.As清理了我的数据集。然而，由于我已经到了问题D，我不知道如何构建这个模型。根据我为x假设的指示，我将使用收入（以百万计），但是，我不知道x中还应该有什么。如何继续构建此模型

B部分：通过删除利润为N.A.的记录（行）来清理数据集，并查看收入和利润之间的关系

dfCleanX = df[ df['Profit (in millions)']!='N.A.']
dfCleanX.info()

<class 'pandas.core.frame.DataFrame'>

Int64Index: 25131 entries, 0 to 25499

Data columns (total 5 columns):

Year                     25131 non-null int64

Rank                     25131 non-null int64

Revenue (in millions)    25131 non-null float64

Profit (in millions)     25131 non-null object

Company                  25131 non-null object

dtypes: float64(1), int64(2), object(2)

memory usage: 1.2+ MB

dfClean = dfCleanX.astype({'Profit (in millions)': 'float64'})

print(dfClean.values.shape )

dfClean.info()

(25131, 5)
<class 'pandas.core.frame.DataFrame'>
Int64Index: 25131 entries, 0 to 25499
Data columns (total 5 columns):
Year                     25131 non-null int64
Rank                     25131 non-null int64
Revenue (in millions)    25131 non-null float64
Profit (in millions)     25131 non-null float64
Company                  25131 non-null object
dtypes: float64(2), int64(2), object(1)
memory usage: 1.2+ MB

dfClean.plot.scatter(x='Revenue (in millions)', y='Profit (in millions)')

<matplotlib.axes._subplots.AxesSubplot at 0x23e0222a3c8>

C部分：在这一部分中，我们只关注“正利润”的案例。我们想研究收入（即x）和利润（即y）之间的关系，建立一个线性模型y=a*x+b

可视化y与x的关系，其中y和x是利润（>；0）和收入

positiveProfitMask = dfClean['Profit (in millions)'] > 0
dfClean[ positiveProfitMask  ].plot.scatter(
    x='Revenue (in millions)', 
    y='Profit (in millions)'
    )

<matplotlib.axes._subplots.AxesSubplot at 0x23e023b8358>

问题D：只关注“正利润”的案例。在下面的单元格中填写缺少的代码

1. 学习y=a*x+b形式的线性模型来模拟收入（即x）和正利润（即y）之间的关系
2. 利用该模型找出这些案例的预测利润，以及
3. 将预测与数据一起绘制，以查看模型与数据的拟合程度

from sklearn.linear_model import LinearRegression

x = dfClean[(Revenues (in millions) )][??? ]
y = dfClean[( Profits (in millions) )][??? ]

model = LinearRegression(fit_intercept=True)
model.fit(positiveProfitMask  , y)

print( "model.coef_ =", model.coef_ )
print( "model.intercept_ =", model.intercept_ )
print( "Linear model about y(profit) and x(revenue): y=",  
       model.coef_, '* x +', model.intercept_)
yfit = model.predict(???  )

plt.scatter(x, y)
plt.plot(x, yfit, 'r');

Answer 1

如果只需要填写下面的第yfit = model.predict(??? )行，那么您只需要传递一个向量X，就可以看到您的模型将为给定的值预测什么。既然你只需要正利润，你需要从你的X过滤我们的第一个

以下是如何在pandas中执行此操作：

 cleaned_df = df[df['profit'] > 0]
 y = df['y'].values
 X = df.drop(columns=['y']).values

 yfit = model.predict(X)