Python 具有分类特征的线性回归分析

回归算法在以数字表示的数据上运行良好。如何对包含数字的数据进行回归并预测输出是非常清楚的。然而，我需要对包含分类特征的数据进行回归分析。我有一个csv文件，其中包含两列install id和page name都是对象类型。我需要给安装id作为输入和页面名称应该作为输出预测。下面是我的代码。请帮我做这件事

import pandas as pd
data = pd.read_csv("/Users/kashifjilani/Downloads/csv/newjsoncontent.csv")
X = data["install-id"]
Y = data["endPoint"]
X = pd.get_dummies(data=X, drop_first=True)
from sklearn import linear_model
from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = .20, random_state = 40)
regr = linear_model.LinearRegression()
regr.fit(X_train, Y_train)
predicted = regr.predict(X_test)

---

对于演示，假设您有一个数据框，其中，

IQ

和

Gender

是输入特性。目标变量是

测试分数

|学生|智商|性别|测试分数|
|----------:|-----:|:---------|-------------:|
|1 | 125 |男| 93|
|2 | 120 |女| 86|
|3 | 115 |男| 96|
|4 | 110 |女| 81|
|5 | 105 |男| 92|
|6 | 100 |女性| 75|
|7 | 95 |男| 84|
|8 | 90 |女性| 77|
|9 | 85 |男| 73|
|10 | 80 |女| 74|

这里，

IQ

是数字特征，

Gender

是分类特征。在预处理步骤中，我们将对数值特征应用简单的插补器，对分类特征应用一个热编码器。您可以使用sklearn的

管道

&

ColumnTransformer

功能来实现这一点。然后，您可以使用您选择的模型轻松地进行训练和预测

将熊猫作为pd导入
从sklearn.compose导入ColumnTransformer
从sklearn.model\u选择导入列车\u测试\u拆分
从sklearn.pipeline导入管道
从sklearn.preprocessing导入OneHotEncoder
从sklearn.impute导入SimpleImputer
从sklearn导入线性_模型
#定义数据
d={
“学生”：[1,2,3,4,5,6,7,8,9,10]，
“智商”：[125、120、115、110、105、100、95、90、85、80、]，
“性别”：[
“男性”，
“女性”，
“男性”，
“女性”，
“男性”，
“女性”，
“男性”，
“女性”，
“男性”，
“女性”，
],
“测试分数”：[93,86,96,81,92,75,84,77,73,74]，
}
#转换为数据帧
df=pd.数据帧（d）
#将学生id设置为索引以跟踪
df=df.设置索引（“学生”）
#柱变换
分类列=[“性别”]
数字列=[“IQ”]
#确定X
X=df[分类列+数字列]
y=df[“测试分数”]
#列车试验分离
X_列车，X_试验，y_列车，y_试验=列车试验(
十、 y，随机状态=42，测试尺寸=0.3
)
#分类管道
分类管道=管道（[（“onehot”，OneHotEncoder（handle_unknown=“ignore”）））
#数字管道
数字管道=管道（[（“输入器”，simplemputer（strategy=“mean”），]））
#将两个管道聚合在一起
预处理=列变压器(
[
（“类别”，分类管道，分类列），
（“num”，数字管道，数字列），
]
)
rf=管道(
[（“预处理”，预处理），（“分类器”，线性模型。线性回归（）
)
#训练
右前安装（X_系列、y_系列）
#预测
预测=射频预测（X_测试）

这表明,

>阵列（[84.48275862,84.55172414,79.13793103]）

对于演示，假设您有一个数据框，其中，

IQ

和

Gender

是输入特性。目标变量是

测试分数

|学生|智商|性别|测试分数|
|----------:|-----:|:---------|-------------:|
|1 | 125 |男| 93|
|2 | 120 |女| 86|
|3 | 115 |男| 96|
|4 | 110 |女| 81|
|5 | 105 |男| 92|
|6 | 100 |女性| 75|
|7 | 95 |男| 84|
|8 | 90 |女性| 77|
|9 | 85 |男| 73|
|10 | 80 |女| 74|

这里，

IQ

是数字特征，

Gender

是分类特征。在预处理步骤中，我们将对数值特征应用简单的插补器，对分类特征应用一个热编码器。您可以使用sklearn的

管道

&

ColumnTransformer

功能来实现这一点。然后，您可以使用您选择的模型轻松地进行训练和预测

将熊猫作为pd导入
从sklearn.compose导入ColumnTransformer
从sklearn.model\u选择导入列车\u测试\u拆分
从sklearn.pipeline导入管道
从sklearn.preprocessing导入OneHotEncoder
从sklearn.impute导入SimpleImputer
从sklearn导入线性_模型
#定义数据
d={
“学生”：[1,2,3,4,5,6,7,8,9,10]，
“智商”：[125、120、115、110、105、100、95、90、85、80、]，
“性别”：[
“男性”，
“女性”，
“男性”，
“女性”，
“男性”，
“女性”，
“男性”，
“女性”，
“男性”，
“女性”，
],
“测试分数”：[93,86,96,81,92,75,84,77,73,74]，
}
#转换为数据帧
df=pd.数据帧（d）
#将学生id设置为索引以跟踪
df=df.设置索引（“学生”）
#柱变换
分类列=[“性别”]
数字列=[“IQ”]
#确定X
X=df[分类列+数字列]
y=df[“测试分数”]
#列车试验分离
X_列车，X_试验，y_列车，y_试验=列车试验(
十、 y，随机状态=42，测试尺寸=0.3
)
#分类管道
分类管道=管道（[（“onehot”，OneHotEncoder（handle_unknown=“ignore”）））
#数字管道
数字管道=管道（[（“输入器”，simplemputer（strategy=“mean”），]））
#将两个管道聚合在一起
预处理=列变压器(
[
（“类别”，分类管道，分类列），
（“num”，数字管道，数字列），