回归模型不成功-python

Question

我必须用python创建一个回归模型。

能源额定值与。价格，看看能源评级是否取决于价格。

​

​

这里是下面的数据集和代码，

import statsmodels.formula.api as smf

# Initialise and fit linear regression model using `statsmodels`
model = smf.ols('price ~ energyrating', data=df)

model = model.fit()

我得到的参数是一个负的，也许这可能是糟糕的图形的原因，但不确定如何改善这一点。

model.params
#price=2.004943e+06 + (-.913381e+05)*energyrating

Intercept       2.004943e+06
energyrating   -3.913381e+05
dtype: float64

并创建最终的模型，但没有成功，

# Predict values
pred = model.predict()

# Plot regression against actual data
plt.figure(figsize=(12, 6))
plt.plot(df['energyrating'], df['price'], 'o')           # scatter plot showing actual data
plt.plot(df['energyrating'], pred, 'r', linewidth=2)   # regression line
plt.xlabel('Energy ratings')
plt.ylabel('Price')
plt.title('Energy ratings Vs. Price')

plt.show()

​

​

我该如何改进这一点？是数据不稳定还是我遗漏了什么逻辑错误？

提前感谢

编辑：

energy rating的频率图

​

​

这就是能源额定值的变化方式。

Answer 1

我猜一个简单的linear regression不能从您给出的图中捕捉到price和energyrating之间的关系，因为price不会随着energyrating的增加而单调地减少或增加。我建议您包括energyrating的二次项，即添加一个新的energyrating * energyrating列，或者其他您认为合理的高阶转换。

如果你被允许使用除linear regression之外的其他模型，我建议你只需对每个energyrating(它与你的曲线图是离散的) price求平均，然后绘制曲线，我认为这样会更好。

例如在熊猫中：

avg = df.groupby("energyrating")['price'].mean()
avg.plot()