《數(shù)據(jù)挖掘與機器學習》 課件3.3 優(yōu)化建筑工程混凝土抗壓強度檢測模型_第1頁
《數(shù)據(jù)挖掘與機器學習》 課件3.3 優(yōu)化建筑工程混凝土抗壓強度檢測模型_第2頁
《數(shù)據(jù)挖掘與機器學習》 課件3.3 優(yōu)化建筑工程混凝土抗壓強度檢測模型_第3頁
《數(shù)據(jù)挖掘與機器學習》 課件3.3 優(yōu)化建筑工程混凝土抗壓強度檢測模型_第4頁
《數(shù)據(jù)挖掘與機器學習》 課件3.3 優(yōu)化建筑工程混凝土抗壓強度檢測模型_第5頁
已閱讀5頁,還剩17頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

構建建筑工程混凝土抗壓強度檢測模型建筑工程混凝土抗壓強度檢測——線性回歸任務描述一元線性回歸模型用于處理單個自變量的情況,但是現(xiàn)實生活中往往會出現(xiàn)多個自變量的情況,此時就需要使用多元線性回歸模型進行處理。在任務3.1、任務3.2中使用了一元線性回歸模型對建筑工程混凝土抗壓強度進行檢測,發(fā)現(xiàn)的模型的擬合效果一般,還有優(yōu)化的空間。為此,本任務將使用多元線性回歸模型,對建筑工程混凝土抗壓強度檢測模型進一步優(yōu)化。任務要求使用sklearn庫建立多元線性回歸模型。使用Matplotlib庫實現(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或兩個以上的自變量,且因變量和自變量之間是線性關系,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)多元線性回歸我國計劃在2030年前建成全球領先的5G網(wǎng)絡。在網(wǎng)絡使用中,流量負載是衡量網(wǎng)速快慢的重要指標。參數(shù)名稱說明熱點比例閾值指某個時刻內(nèi)特定內(nèi)容或資源的訪問量占整體訪問量的比例。當熱點比例超過設定的閾值時,可能會出現(xiàn)網(wǎng)絡擁塞等問題。轉(zhuǎn)發(fā)負載閾值指網(wǎng)絡中的數(shù)據(jù)包在傳輸過程中被轉(zhuǎn)發(fā)的次數(shù)。當轉(zhuǎn)發(fā)負載超過設定的閾值時,可能會導致網(wǎng)絡延遲、數(shù)據(jù)丟失等問題流量負載指網(wǎng)絡中的數(shù)據(jù)流量大小。當流量負載超過設定的閾值時,可能會出現(xiàn)網(wǎng)絡擁塞、帶寬不足等問題如何建立多元線性回歸模型多元線性回歸構建流量負載模型主要通過以下4個步驟實現(xiàn)。劃分訓練集和測試集使用LinearRegression類建立線性回歸模型計算系數(shù)和截距對預測結(jié)果進行可視化多元線性回歸

其中表示測試集真實值;表示測試集預測值;表示訓練集真實值。

紅藍圓點在流量負載與轉(zhuǎn)發(fā)負載閾值較小時,重合度較高,回歸效果較為理想;當流量負載和轉(zhuǎn)發(fā)負載閾值較大時回歸效果較差。構建多元線性回歸檢測模型對混凝土抗壓強度進行預測對預測結(jié)果進行可視化構造多元線性回歸方程評估多元線性回歸檢測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)細骨料含量(kg/m3)達到特定抗壓強度所需天數(shù)混凝土抗壓強度(MPa)自變量因變量優(yōu)化建筑工程混凝土抗壓強度檢測模型構建多元線性回歸檢測模型主要通過以下5個步驟實現(xiàn)。拆分訓練集和測試集利用LinearRegression類構建模型通過predict函數(shù)給出預測值對預測結(jié)果進行可視化構造多元線性回歸方程拆分訓練集和測試集混凝土的抗壓強度往往與水泥含量有著線性關系,建立線性模型預測混凝土的抗壓強度。將數(shù)據(jù)集拆分為訓練集和測試集,使用訓練集對模型進行訓練,使用測試集對構建的模型進行測試,其中測試集占整個數(shù)據(jù)集的20%。使用train_test_split類拆分為訓練集和測試集,構建多元線性回歸檢測模型使用sklearn庫建立多元線性回歸檢測模型,并使用訓練集對模型進行訓練。對混凝土抗壓強度進行檢測利用訓練后的混凝土抗壓強度多元線性回歸模型來預測訓練集中的抗壓強度。所得結(jié)果如下所示。預測前20個結(jié)果為:

[66.1497483857.1499548642.7444940569.9226651766.6588358442.0064911657.9328361764.2990240547.5856825366.380050262.0731228550.8064338263.9767477845.2626229273.578868474.4309627270.4845450634.6736408846.7041299567.60987749]對檢測結(jié)果進行可視化利用Matplotlib庫對預測結(jié)果進行可視化,可以更直觀的看出預測結(jié)果的好壞。由圖可知,根據(jù)所得到的折線圖,說明除了部分預測值和原值相差較大外,絕大多數(shù)擬合效果良好,與實際偏差不大,即說明模型的效果相對較好。構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:評估多元線性回歸檢測模型對構建的建筑工程混凝土抗壓強度檢測模型,使用表中的指標進行評價。方法名稱最優(yōu)值sklearn函數(shù)平均絕對誤差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評估多元線性回歸檢測模型對構建的建筑工程混凝土抗壓強度檢測模型,使用表中的指標進行評價。建筑工程混凝土抗壓強度檢測模型的平均絕對誤差為:4.55923262029837建筑工程混凝土抗

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論