预测功率和电流之间的关系

一般机器学习的开发流程包括：数据收集---数据清洗与转换---模型训练---模型测试---模型部署与整合

下面，经过一个例子进行完整的机器学习开发流程的学习。

工程中须要的库：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import StandardScaler
from sklearn.externals import joblib

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import pandas as pd
from pandas import DataFrame

　　

（1）首先数据的收集，获取数据：

如上，能够看到，咱们得到须要获取的是Global_active_power（有功功率）、Global_reactive_power（无功功率）和Global_intensity（电流）之间的关系。

path = 'household_power_consumption_1000.txt'
df = pd.read_csv(path,sep = ';',low_memory = False)

print(df.head())
print(df.info())

　　

（2）而后进入数据清洗阶段

如上， 若是存在空值或异常值的状况，咱们能够在这个阶段进行处理。

new_df = df.replace('?',np.nan)
datas = new_df.dropna(axis = 0,how = 'any')
print(datas.describe().T)

　　如上，能够看到，咱们对于异常值和空值存在的状况下，直接删掉了该样本。

能够看到，1000个样本只剩下了998个了。

而后继续进行特征工程处理：

#提取出相关数据
X = datas.iloc[:,2:4]
Y = datas['Global_intensity']
#划分训练集和测试集
X_train,X_test,Y_train,Y_test = train_test_split(X,Y,test_size = 0.2,random_state = 0)
#标准化处理
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

　Tips: 

• random_state：是随机数的种子。随机数种子：其实就是该组随机数的编号，在须要重复试验的时候，保证获得一组同样的随机数。好比你每次都填1，其余参数同样的状况下你获得的随机数组是同样的。但填0或不填，每次都会不同。
• StandardScaler:标准化须要计算特征的均值和标准差，公式表达为：。至于为何要作标准化，https://zhuanlan.zhihu.com/p/24839177

 

 

 （3）模型训练

lr = LinearRegression()
lr.fit(X_train,Y_train)

　　如上，咱们能够经过sklearn封装好的简单的语句完成模型的训练。

（4）模型预测

y_predict = lr.predict(X_test)
print("训练：",lr.score(X_train,Y_train))#
print("测试：",lr.score(X_test,Y_test))

mse = np.average((y_predict-Y_test)**2)
rmse = np.sqrt(mse)
print(rmse)

　　如上：score是一个评分函数，即R²。

数据的可视化：

## 设置字符集，防止中文乱码
mpl.rcParams['font.sans-serif']=[u'simHei']
mpl.rcParams['axes.unicode_minus']=False
t = np.arange(len(X_test))
plt.figure()
plt.plot(t,Y_test,'r-',label = u'真实值')
plt.plot(t,y_predict,'b-',label = u'预测值')
plt.legend(loc = 'upper right')
plt.title(u'线性回归预测功率与电流之间的关系')
plt.grid(b = True)
plt.show()

　　对于Anaconda2和3同时装的状况下，执行3能够采用下面命令：

 

 

（5）模型部署

joblib.dump(lr,"data_lr.model")

lr = joblib.load("data_lr.model")

　　如上，能够将训练好的模型存下来，之后用的时候load进来便可。

 

PS：固然这里的模型选择也能够选择其余算法，譬如SVR

模型构建步骤改成：

rbf=svm.SVR(kernel='rbf',C=1, )
rbf.fit(X_train,Y_train)

　　固然，这里的话就须要调参了