《數(shù)據(jù)挖掘與機器學(xué)習》 課件 項目三 建筑工程混凝土抗壓強度檢測-線性回歸

構(gòu)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(wù)描述一元線性回歸是一種回歸分析方法，可以用于建模、預(yù)測等領(lǐng)域。在建筑工程中需要對混凝土抗壓強度進行檢測，以保證建筑物的結(jié)構(gòu)安全。傳統(tǒng)的混凝土抗壓強度檢測方法需要進行大量的試驗和實測，費時費力，且存在一定的誤差。并且由于檢測模型包含的參數(shù)較多，如何從數(shù)據(jù)中估計眾多參數(shù)，使得模型更接近實際也是重難點。因此，利用機器學(xué)習技術(shù)構(gòu)建混凝土抗壓強度檢測模型，可以提高檢測效率和準確性，節(jié)省人力和物力，推進新型工業(yè)化，加快建設(shè)制造強國、質(zhì)量強國。為助力中國“基建狂魔”繼續(xù)享譽于全世界而添磚加瓦。任務(wù)要求使用sklearn庫建立一元線性回歸模型。利用Matplotlib庫實現(xiàn)結(jié)果的可視化。一元線性回歸一元線性回歸什么是一元線性回歸？一元線性回歸是一種基本的回歸方法，用于建立單個

與之間的線性關(guān)系通過擬合這條直線來預(yù)測未知的因變量值。

身高體重

一元線性回歸點表示樣本點直線表示一元線性回歸的趨勢線通過擬合曲線可以對目標問題的數(shù)據(jù)進行相應(yīng)的預(yù)測

身高體重一元線性回歸

截距b趨勢線的斜率a

一元線性回歸如何進行建模與求解？在Python中，使用sklearn庫中l(wèi)inear_model模塊的LinearRegression類可以建立線性回歸模型。LinearRegression類常用的參數(shù)及其說明如下。參數(shù)名稱說明fit_intercept接收bool。表示是否有截據(jù)，若沒有則直線過原點。默認為Truenormalize接收bool，表示是否將數(shù)據(jù)歸一化，默認為Falsecopy_X接收bool，表示是否復(fù)制數(shù)據(jù)表進行運算，默認為Truen_jobs接收int，表示計算時使用的核數(shù)，默認為1一元線性回歸為了解兒童的身體發(fā)育情況，現(xiàn)有某幼兒園學(xué)生的身高體重數(shù)據(jù)，需建立學(xué)生身高與體重之間的回歸模型。政府提出一系列政策鼓勵兒童參與體育運動，提高身體素質(zhì)。一元線性回歸確定自變量和因變量身高與體重間存在線性關(guān)系因變量自變量一元線性回歸構(gòu)建與求解兒童身高體重模型主要通過以下4個步驟實現(xiàn)。確定樣本值使用LinearRegression()類建立線性回歸模型計算系數(shù)和截距對結(jié)果進行可視化一元線性回歸

其中表示樣本點學(xué)生的身高體重數(shù)據(jù)趨勢可以擬合為一條直線，且樣本點均勻的分布在直線兩端。學(xué)生的身高和體重具有正線性相關(guān)性，體重越重，身高越高；體重越輕，身高越矮。構(gòu)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(wù)描述一元線性回歸是一種回歸分析方法，可以用于建模、預(yù)測等領(lǐng)域。在建筑工程中需要對混凝土抗壓強度進行檢測，以保證建筑物的結(jié)構(gòu)安全。傳統(tǒng)的混凝土抗壓強度檢測方法需要進行大量的試驗和實測，費時費力，且存在一定的誤差。并且由于檢測模型包含的參數(shù)較多，如何從數(shù)據(jù)中估計眾多參數(shù)，使得模型更接近實際也是重難點。因此，利用機器學(xué)習技術(shù)構(gòu)建混凝土抗壓強度檢測模型，可以提高檢測效率和準確性，節(jié)省人力和物力，推進新型工業(yè)化，加快建設(shè)制造強國、質(zhì)量強國。為助力中國“基建狂魔”繼續(xù)享譽于全世界而添磚加瓦。構(gòu)建建筑工程混凝土抗壓強度檢測模型任務(wù)要求使用sklearn庫建立一元線性回歸模型。利用Matplotlib庫實現(xiàn)結(jié)果的可視化。讀取混凝土成分數(shù)據(jù)對自變量和因變量進行可視化構(gòu)建一元線性回歸模型檢測對混凝土抗壓強度進行預(yù)測對檢測結(jié)果進行可視化構(gòu)造一元線性回歸方程查看混凝土成分數(shù)據(jù)構(gòu)建建筑工程混凝土抗壓強度檢測模型混凝土是一種高強度的材料，可以承受很大的荷載和壓力，使得建筑具有更好的耐久性和穩(wěn)定性。某實驗室提供了混凝土樣本的8個屬性特征數(shù)據(jù)集。查看混凝土成分數(shù)據(jù)構(gòu)建建筑工程混凝土抗壓強度檢測模型水泥含量（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）540001622.510406762879.99540001622.510556762861.89332.5142.50228093259427040.27332.5142.50228093259436541.05198.6132.401920978.4825.536044.3266114022809326709047.03380950228093259436543.738095022809325942836.45266114022809326702845.85讀取混凝土成分數(shù)據(jù)使用pandas庫中pd.read_csv函數(shù)讀取混凝土樣本屬性數(shù)據(jù)集。設(shè)置編碼格式為“GBK”。構(gòu)建建筑工程混凝土抗壓強度檢測模型因為表格中含有漢字Python中用于讀取CSV（逗號分隔值）文件的pandas庫函數(shù)。它將CSV文件讀取為一個pandas數(shù)據(jù)幀（DataFrame），使我們能夠在Python中處理和分析數(shù)據(jù)。提取自變量和因變量構(gòu)建建筑工程混凝土抗壓強度檢測模型使用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）自變量因變量對自變量和因變量進行可視化構(gòu)建建筑工程混凝土抗壓強度檢測模型基于自變量和因變量數(shù)據(jù)，使用scatter函數(shù)繪制散點圖如何構(gòu)建一元線性回歸檢測模型呢？構(gòu)建一元線性回歸檢測模型構(gòu)建一元線性回歸檢測模型主要通過以下5個步驟實現(xiàn)。構(gòu)建建筑工程混凝土抗壓強度檢測模型拆分訓(xùn)練集和測試集利用LinearRegression函數(shù)構(gòu)建模型通過predict函數(shù)給出預(yù)測值對預(yù)測結(jié)果進行可視化構(gòu)造一元線性回歸方程拆分訓(xùn)練集和測試集構(gòu)建建筑工程混凝土抗壓強度檢測模型混凝土的抗壓強度往往與水泥含量有著線性關(guān)系，建立線性模型預(yù)測混凝土的抗壓強度。將數(shù)據(jù)集拆分為訓(xùn)練集和測試集，使用訓(xùn)練集對模型進行訓(xùn)練，使用測試集對構(gòu)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(xùn)練集和測試集。構(gòu)建模型構(gòu)建建筑工程混凝土抗壓強度檢測模型使用sklearn庫建立一元線性回歸檢測模型，并使用訓(xùn)練集對模型進行訓(xùn)練。對混凝土抗壓強度進行檢測構(gòu)建建筑工程混凝土抗壓強度檢測模型利用訓(xùn)練后的混凝土抗壓強度一元線性回歸模型來預(yù)測訓(xùn)練集中的抗壓強度。所得結(jié)果如下所示。預(yù)測前20個結(jié)果為：

[42.4566091442.0673997143.3647644868.0146949957.6357768869.4118570445.0313792147.0472844652.1469259679.4913832950.23081845.0313792161.1286820161.4280738845.0313792150.5701287842.2470348373.0045594753.2546758747.37661552]對檢測結(jié)果進行可視化構(gòu)建建筑工程混凝土抗壓強度檢測模型利用Matplotlib庫對預(yù)測結(jié)果進行可視化，可以更直觀的看出預(yù)測結(jié)果的好壞。由圖可知，數(shù)據(jù)趨勢可以擬合為一條直線，且樣本點均勻的分布在直線兩端，即說明模型的效果相對較好。構(gòu)造一元線性回歸方程構(gòu)建建筑工程混凝土抗壓強度檢測模型查看回歸模型的回歸系數(shù)和截距。擬合得到的一元線性回歸方程為

y=0.099x+25.6?；貧w系數(shù)為:[0.09979729]截距為:25.600846941799354評估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(wù)描述我國堅持以人民安全為宗旨，建筑工程中，安全尤為重要。建筑施工企業(yè)在安全管理中必須堅持“安全第一，預(yù)防為主，科學(xué)管控，綜合治理”的方針。施工安全是重中之重，保護人民群眾的生命健康權(quán)，是國家的基本任務(wù)。為了保證施工安全，保護工人生命健康，在構(gòu)建建筑工程混凝土抗壓強度檢測模型之后，需要對預(yù)測模型進行評價。任務(wù)要求使用sklearn庫進行模型的評價。線性回歸評估線性回歸評估什么是線性回歸評估?回歸評價的作用是通過對回歸分析中的數(shù)據(jù)和假設(shè)的檢驗和分析，來評估模型的效果。目前常用的回歸模型評價方法如表所示。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線性回歸評估圖為一個簡單的房屋價格回歸預(yù)測圖，圖中共有3個樣本點用“o”點表示，“+”點表示回歸直線對該樣本點的預(yù)測值。本節(jié)以該圖為例，簡要講解評價指標的計算。使用平均絕對誤差指標評估模型平均絕對誤差（MAE）反應(yīng)了樣本點偏離預(yù)測直線的程度，如下式所示。

利用上式可求得左圖的MAE如下。

使用均方誤差指標評估模型利用上式可求得左圖的MSE如下。

均方誤差（MSE）反映了樣本點偏離預(yù)測直線的程度的平方距離，如下式所示。

使用可解釋方差指標評估模型可解釋方差值（EVAR）衡量的是所有預(yù)測值和樣本之間的差的分散程度與樣本本身的分散程度的相近程度，如下式所示。 使用可解釋方差指標評估模型利用可解釋方差值公式可求得左圖的EVAR如下。

使用R方差指標評估模型R方值衡量的是預(yù)測值對于真值的擬合好壞程度，如下式所示。

利用上式可求得圖的R方值如下。 線性回歸評估房地產(chǎn)發(fā)展，落腳點是民生。房屋價格是影響民生的重要因素，保障和改善居民住房，一直是國家關(guān)注的重點和人民殷切的希望。居民希望對房屋均價有一個自己的了解，需要對房屋價格和房屋面積進行回歸分析，并對回歸結(jié)果進行評價。線性回歸評估房屋價格線性回歸模型的平均絕對誤差為：5461.1311902693315房屋價格線性回歸模型的均方誤差為：36231369.73246897房屋價格線性回歸模型的可解釋方差值為：0.9217826266573412房屋價格線性回歸模型的R方值為：0.9181417274539507由代碼運行結(jié)果可知，雖然回歸模型的平均絕對誤差和均方誤差數(shù)值較大，但是可解釋方差值與R方值均大于0.9?？芍Ｐ偷臄M合效果較好，均方誤差數(shù)值較大的原因可能是樣本點本身數(shù)值較大。為了網(wǎng)絡(luò)強國的方針，應(yīng)該繼續(xù)優(yōu)化模型，提高模型預(yù)測的準確率。對房屋價格和面積進行回歸分析并評價使用平均絕對誤差指標評估模型使用均方誤差指標評估模型使用可解釋方差指標評估模型使用R方指標評估模型了解模型評估的意義回歸模型建立后，為了保證回歸模型的預(yù)測結(jié)果真實可靠，需要對模型進行評價。sklearn庫中有封裝好的用于計算評價指標的函數(shù)。調(diào)用這些函數(shù)，可以方便的計算回歸模型的評價指標。評估建筑工程混凝土抗壓強度檢測模型使用sklearn庫中的mean_squared_error類進行均方誤差的計算2使用sklearn庫中的mean_absolute_error類進行平均絕對誤差的計算1使用sklearn庫中的explained_variance_score類進行可解釋方差的計算。3使用sklearn庫中的r2_score類進行R方的計算。4構(gòu)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(wù)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(wù)3.1、任務(wù)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(wù)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(wù)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(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)多元線性回歸我國計劃在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(shè)定的閾值時，可能會出現(xiàn)網(wǎng)絡(luò)擁塞等問題。轉(zhuǎn)發(fā)負載閾值指網(wǎng)絡(luò)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(shè)定的閾值時，可能會導(dǎo)致網(wǎng)絡(luò)延遲、數(shù)據(jù)丟失等問題流量負載指網(wǎng)絡(luò)中的數(shù)據(jù)流量大小。當流量負載超過設(shè)定的閾值時，可能會出現(xiàn)網(wǎng)絡(luò)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(gòu)建流量負載模型主要通過以下4個步驟實現(xiàn)。劃分訓(xùn)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(yù)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(yù)測值；表示訓(xùn)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(gòu)建多元線性回歸檢測模型對混凝土抗壓強度進行預(yù)測對預(yù)測結(jié)果進行可視化構(gòu)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(gòu)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(xùn)練集和測試集利用LinearRegression類構(gòu)建模型通過predict函數(shù)給出預(yù)測值對預(yù)測結(jié)果進行可視化構(gòu)造多元線性回歸方程拆分訓(xùn)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(guān)系，建立線性模型預(yù)測混凝土的抗壓強度。將數(shù)據(jù)集拆分為訓(xùn)練集和測試集，使用訓(xùn)練集對模型進行訓(xùn)練，使用測試集對構(gòu)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(xùn)練集和測試集，構(gòu)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(xùn)練集對模型進行訓(xùn)練。對混凝土抗壓強度進行檢測利用訓(xùn)練后的混凝土抗壓強度多元線性回歸模型來預(yù)測訓(xùn)練集中的抗壓強度。所得結(jié)果如下所示。預(yù)測前20個結(jié)果為：

[66.1497483857.1499548642.7444940569.9226651766.6588358442.0064911657.9328361764.2990240547.5856825366.380050262.0731228550.8064338263.9767477845.2626229273.578868474.4309627270.4