《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)》 課件3.3 優(yōu)化建筑工程混凝土抗壓強(qiáng)度檢測(cè)模型

構(gòu)建建筑工程混凝土抗壓強(qiáng)度檢測(cè)模型建筑工程混凝土抗壓強(qiáng)度檢測(cè)——線性回歸任務(wù)描述一元線性回歸模型用于處理單個(gè)自變量的情況，但是現(xiàn)實(shí)生活中往往會(huì)出現(xiàn)多個(gè)自變量的情況，此時(shí)就需要使用多元線性回歸模型進(jìn)行處理。在任務(wù)3.1、任務(wù)3.2中使用了一元線性回歸模型對(duì)建筑工程混凝土抗壓強(qiáng)度進(jìn)行檢測(cè)，發(fā)現(xiàn)的模型的擬合效果一般，還有優(yōu)化的空間。為此，本任務(wù)將使用多元線性回歸模型，對(duì)建筑工程混凝土抗壓強(qiáng)度檢測(cè)模型進(jìn)一步優(yōu)化。任務(wù)要求使用sklearn庫(kù)建立多元線性回歸模型。使用Matplotlib庫(kù)實(shí)現(xiàn)結(jié)果的可視化。多元線性回歸多元線性回歸什么是多元線性回歸？如果回歸分析中包括兩個(gè)或兩個(gè)以上的自變量，且因變量和自變量之間是線性關(guān)系，則稱為多元線性回歸模型。多元線性回歸

多元線性回歸表示回歸系數(shù)的集合

常數(shù)多元線性回歸我國(guó)計(jì)劃在2030年前建成全球領(lǐng)先的5G網(wǎng)絡(luò)。在網(wǎng)絡(luò)使用中，流量負(fù)載是衡量網(wǎng)速快慢的重要指標(biāo)。參數(shù)名稱說(shuō)明熱點(diǎn)比例閾值指某個(gè)時(shí)刻內(nèi)特定內(nèi)容或資源的訪問(wèn)量占整體訪問(wèn)量的比例。當(dāng)熱點(diǎn)比例超過(guò)設(shè)定的閾值時(shí)，可能會(huì)出現(xiàn)網(wǎng)絡(luò)擁塞等問(wèn)題。轉(zhuǎn)發(fā)負(fù)載閾值指網(wǎng)絡(luò)中的數(shù)據(jù)包在傳輸過(guò)程中被轉(zhuǎn)發(fā)的次數(shù)。當(dāng)轉(zhuǎn)發(fā)負(fù)載超過(guò)設(shè)定的閾值時(shí)，可能會(huì)導(dǎo)致網(wǎng)絡(luò)延遲、數(shù)據(jù)丟失等問(wèn)題流量負(fù)載指網(wǎng)絡(luò)中的數(shù)據(jù)流量大小。當(dāng)流量負(fù)載超過(guò)設(shè)定的閾值時(shí)，可能會(huì)出現(xiàn)網(wǎng)絡(luò)擁塞、帶寬不足等問(wèn)題如何建立多元線性回歸模型多元線性回歸構(gòu)建流量負(fù)載模型主要通過(guò)以下4個(gè)步驟實(shí)現(xiàn)。劃分訓(xùn)練集和測(cè)試集使用LinearRegression類建立線性回歸模型計(jì)算系數(shù)和截距對(duì)預(yù)測(cè)結(jié)果進(jìn)行可視化多元線性回歸

其中表示測(cè)試集真實(shí)值；表示測(cè)試集預(yù)測(cè)值；表示訓(xùn)練集真實(shí)值。

紅藍(lán)圓點(diǎn)在流量負(fù)載與轉(zhuǎn)發(fā)負(fù)載閾值較小時(shí)，重合度較高，回歸效果較為理想；當(dāng)流量負(fù)載和轉(zhuǎn)發(fā)負(fù)載閾值較大時(shí)回歸效果較差。構(gòu)建多元線性回歸檢測(cè)模型對(duì)混凝土抗壓強(qiáng)度進(jìn)行預(yù)測(cè)對(duì)預(yù)測(cè)結(jié)果進(jìn)行可視化構(gòu)造多元線性回歸方程評(píng)估多元線性回歸檢測(cè)模型提取自變量和因變量使用iloc函數(shù)提取自變量和因變量水泥含量（kg/m3）礦渣含量（kg/m3）石灰含量（kg/m3）水含量（kg/m3）超塑化劑含量（kg/m3）粗骨料含量（kg/m3）細(xì)骨料含量（kg/m3）達(dá)到特定抗壓強(qiáng)度所需天數(shù)混凝土抗壓強(qiáng)度（MPa）自變量因變量?jī)?yōu)化建筑工程混凝土抗壓強(qiáng)度檢測(cè)模型構(gòu)建多元線性回歸檢測(cè)模型主要通過(guò)以下5個(gè)步驟實(shí)現(xiàn)。拆分訓(xùn)練集和測(cè)試集利用LinearRegression類構(gòu)建模型通過(guò)predict函數(shù)給出預(yù)測(cè)值對(duì)預(yù)測(cè)結(jié)果進(jìn)行可視化構(gòu)造多元線性回歸方程拆分訓(xùn)練集和測(cè)試集混凝土的抗壓強(qiáng)度往往與水泥含量有著線性關(guān)系，建立線性模型預(yù)測(cè)混凝土的抗壓強(qiáng)度。將數(shù)據(jù)集拆分為訓(xùn)練集和測(cè)試集，使用訓(xùn)練集對(duì)模型進(jìn)行訓(xùn)練，使用測(cè)試集對(duì)構(gòu)建的模型進(jìn)行測(cè)試，其中測(cè)試集占整個(gè)數(shù)據(jù)集的20%。使用train_test_split類拆分為訓(xùn)練集和測(cè)試集，構(gòu)建多元線性回歸檢測(cè)模型使用sklearn庫(kù)建立多元線性回歸檢測(cè)模型，并使用訓(xùn)練集對(duì)模型進(jìn)行訓(xùn)練。對(duì)混凝土抗壓強(qiáng)度進(jìn)行檢測(cè)利用訓(xùn)練后的混凝土抗壓強(qiáng)度多元線性回歸模型來(lái)預(yù)測(cè)訓(xùn)練集中的抗壓強(qiáng)度。所得結(jié)果如下所示。預(yù)測(cè)前20個(gè)結(jié)果為：

[66.1497483857.1499548642.7444940569.9226651766.6588358442.0064911657.9328361764.2990240547.5856825366.380050262.0731228550.8064338263.9767477845.2626229273.578868474.4309627270.4845450634.6736408846.7041299567.60987749]對(duì)檢測(cè)結(jié)果進(jìn)行可視化利用Matplotlib庫(kù)對(duì)預(yù)測(cè)結(jié)果進(jìn)行可視化，可以更直觀的看出預(yù)測(cè)結(jié)果的好壞。由圖可知，根據(jù)所得到的折線圖，說(shuō)明除了部分預(yù)測(cè)值和原值相差較大外，絕大多數(shù)擬合效果良好，與實(shí)際偏差不大，即說(shuō)明模型的效果相對(duì)較好。構(gòu)造多元線性回歸方程查看回歸模型的回歸系數(shù)和截距?；貧w系數(shù)為:[0.132232560.089027130.07452675-0.08881328-0.146585040.033602930.018566230.04171797]截距為:-30.39146614569455擬合得到的多元線性回歸方程為：評(píng)估多元線性回歸檢測(cè)模型對(duì)構(gòu)建的建筑工程混凝土抗壓強(qiáng)度檢測(cè)模型，使用表中的指標(biāo)進(jìn)行評(píng)價(jià)。方法名稱最優(yōu)值sklearn函數(shù)平均絕對(duì)誤差0.0metrics.mean_absolute_error均方誤差0.0metrics.mean_squared_error可解釋方差值1.0metrics.explained_variance_scoreR方值1.0metrics.r2_score評(píng)估多元線性回歸檢測(cè)模型對(duì)構(gòu)建的建筑工程混凝土抗壓強(qiáng)度檢測(cè)模型，使用表中的指標(biāo)進(jìn)行評(píng)價(jià)。建筑工程混凝土抗壓強(qiáng)度檢測(cè)模型的平均絕對(duì)誤差為：4.55923262029837建筑工程混凝土抗