import pandas as pd

成都創(chuàng)新互聯(lián)專注為客戶提供全方位的互聯(lián)網(wǎng)綜合服務(wù)，包含不限于成都網(wǎng)站制作、成都網(wǎng)站設(shè)計(jì)、延慶網(wǎng)絡(luò)推廣、微信小程序開(kāi)發(fā)、延慶網(wǎng)絡(luò)營(yíng)銷、延慶企業(yè)策劃、延慶品牌公關(guān)、搜索引擎seo、人物專訪、企業(yè)宣傳片、企業(yè)代運(yùn)營(yíng)等，從售前售中售后，我們都將竭誠(chéng)為您服務(wù)，您的肯定，是我們最大的嘉獎(jiǎng)；成都創(chuàng)新互聯(lián)為所有大學(xué)生創(chuàng)業(yè)者提供延慶建站搭建服務(wù)，24小時(shí)服務(wù)熱線：13518219792，官方網(wǎng)址：jinyejixie.com

?

import numpy as np

?

from patsy import dmatrices

?

from statsmodels.stats.outliers_influence import variance_inflation_factor

?

import statsmodels.api as sm

?

import scipy.stats as stats

?

from sklearn.metrics import mean_squared_error

?

import seaborn as sns

?

import matplotlib.pyplot as plt

?

import matplotlib.mlab as mlab

import scipy.io

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# 數(shù)據(jù)讀取

?

# #ccpp = pd.read_excel( 'CCPP.xlsx')ccpp.describe()

# data = scipy.io.loadmat('ENCDATA-2hp.mat') # 讀取mat文件

# # path = scio.loadmat('FFT-2hp.mat')['FFT-2hp']

# print(data)

# train1=data['train3hp']

# test1=data['test3hp']

# train_y=data['train_y3hp']

# test_y=data['test_y3hp']

# data1=train1[:,1]

# print("train1",train1.shape)

# print("data",data1.shape)

# # sns.pairplot(data)

# # plt.show()

# #y, X = dmatrices( data1, data = train1, return_type= 'dataframe')

# fit2 = sm.formula.ols( data1,data = train1).fit()

# print("fit2",fit2)

# fit2.summary()

# pred2 = fit2.predict()

# print("pred2",pred2)

#

# np.sqrt(mean_squared_error(train1.PE, pred2))

# resid = fit2.resid

# plt.scatter(fit2.predict(), (fit2.resid-fit2.resid.mean())/fit2.resid.std())

# plt.xlabel( '預(yù)測(cè)值')

# plt.ylabel( '標(biāo)準(zhǔn)化殘差')

#

# # 添加水平參考線

#

# plt.axhline(y = 0, color = 'r', linewidth = 2)

# plt.show()

?

ccpp = pd.read_excel( 'CCPP.xlsx')

ccpp.describe()

sns.pairplot(ccpp)

plt.show()

?

# 發(fā)電量與自變量之間的相關(guān)系數(shù)

ccpp.corrwith(ccpp.PE)

y, X = dmatrices( 'PE~AT+V+AP', data = ccpp, return_type= 'dataframe')

?

# 構(gòu)造空的數(shù)據(jù)框

?

vif = pd.DataFrame()

vif[ "VIF Factor"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[ 1])]

# vif[ "features"] = X.columnsvif

# print(vif[ "features"])

# 構(gòu)造PE與AT、V和AP之間的線性模型

?

fit = sm.formula.ols( 'PE~AT+V+AP',data = ccpp).fit()

fit.summary()

print("fit",fit)

# 計(jì)算模型的RMSE值

?

pred = fit.predict()

np.sqrt(mean_squared_error(ccpp.PE, pred))

?

# 離群點(diǎn)檢驗(yàn)

?

outliers = fit.get_influence()

?

# 高杠桿值點(diǎn)（帽子矩陣）

?

leverage = outliers.hat_matrix_diag

?

# dffits值

?

dffits = outliers.dffits[ 0]

?

# 學(xué)生化殘差

?

resid_stu = outliers.resid_studentized_external

?

# cook距離

?

cook = outliers.cooks_distance[ 0]

?

# covratio值

?

covratio = outliers.cov_ratio

?

# 將上面的幾種異常值檢驗(yàn)統(tǒng)計(jì)量與原始數(shù)據(jù)集合并

?

contat1 = pd.concat([pd.Series(leverage, name = 'leverage'),

?????????????????????pd.Series(dffits, name = 'dffits'),

?????????????????????pd.Series(resid_stu,name = 'resid_stu'),

?

?

?

?????????????????????pd.Series(cook, name = 'cook'),

?????????????????????pd.Series(covratio, name = 'covratio'),],axis = 1)

ccpp_outliers = pd.concat([ccpp,contat1], axis = 1)

ccpp_outliers.head()

print("contat1",contat1)

?

# 重新建模

?

fit2 = sm.formula.ols( 'PE~AT+V+AP',data = ccpp_outliers).fit()

fit2.summary()

?

# 計(jì)算模型的RMSE值

?

pred2 = fit2.predict()

np.sqrt(mean_squared_error(ccpp_outliers.PE, pred2))

function(){ //K線圖 http://www.kaifx.cn/mt4/kaifx/1770.html

resid = fit2.resid

# 標(biāo)準(zhǔn)化殘差與預(yù)測(cè)值之間的散點(diǎn)圖

?

plt.scatter(fit2.predict(), (fit2.resid-fit2.resid.mean())/fit2.resid.std())

plt.xlabel( '預(yù)測(cè)值',fontdict={'family' : 'sans-serif', 'size' : 20})

plt.ylabel( '標(biāo)準(zhǔn)化殘差',fontdict={'family' : 'sans-serif', 'size' : 20})

?

# 添加水平參考線

?

plt.axhline(y = 0, color = 'r', linewidth = 2)

plt.show()

標(biāo)題名稱：異方差Python運(yùn)行
轉(zhuǎn)載源于：http://jinyejixie.com/article30/gpsgpo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站維護(hù)、做網(wǎng)站、域名注冊(cè)、定制開(kāi)發(fā)、響應(yīng)式網(wǎng)站、網(wǎng)站設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)