10种常见的回归算法总结和介绍

线性回归是机器学习中最简单的算法，它可以通过不同的方式进行训练。 在本文中，我们将介绍以下回归算法：线性回归、Robust 回归、Ridge 回归、LASSO 回归、Elastic Net、多项式回归、多层感知机、随机森林回归和支持向量机。除此以外，本文还将介绍用于评估回归模型的最常用指标，包括均方误差 (MSE)、均方根误差 (RMSE) 和平均绝对误差 (MAE)。

导入库和读取数据

1. import pandas as pd
2. import numpy as np
3. import matplotlib.pyplot as plt
4. import seaborn as sns
5. import hvplot.pandas
6. %matplotlib inline
8. sns.set_style("whitegrid")
9. plt.style.use("fivethirtyeight")
11. USAhousing = pd.read_csv('../usa-housing/USA_Housing.csv')
12. USAhousing.head()

探索性数据分析 (EDA)

下一步将创建一些简单的图表来检查数据。 进行EDA将帮助我们熟悉数据和获得数据的信息，尤其是对回归模型影响最大的异常值。

1. USAhousing.info()
3. <class 'pandas.core.frame.DataFrame'>
4. RangeIndex: 5000 entries, 0 to 4999
5. Data columns (total 7 columns):
6. # Column Non-Null Count Dtype
7. --- ------ -------------- -----
8. 0 Avg. Area Income 5000 non-null float64
9. 1 Avg. Area House Age 5000 non-null float64
10. 2 Avg. Area Number of Rooms 5000 non-null float64
11. 3 Avg. Area Number of Bedrooms 5000 non-null float64
12. 4 Area Population 5000 non-null float64
13. 5 Price 5000 non-null float64
14. 6 Address 5000 non-null object
15. dtypes: float64(6), object(1)
16. memory usage: 273.6+ KB

查看数据集的描述

 

完整文章：

https://avoid.overfit.cn/post/80b712f97fce48418be96916262f9f81