Data Science and Machine Learning - #24 Regressão Linear I

Na aula de hoje começamos a aprender sobre os modelos de generalização de Machine Learning no Python. Vamos iniciar pela Regressão Linear.

Modelo de Regressão Linear no Python

Para trabalhar com regressão linear vamos trabalhar com um Data Frame de Veículos, para baixá-lo basta clicar aqui.

Importando Módulos e DataFrame

Vamos começar importando os módulos necessários

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split, GridSearchCV, cross_val_score
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
%matplotlib inline

df = pd.read_csv("autocar.csv")
df.head()

Análise exploratória

Vamos entender melhor os nossos dados através dos comandos abaixo:

df.info()

df.describe()
sns.pairplot(df)

plt.figure(figsize=(12,8))
sns.heatmap(df.corr(),annot=True)

sns.jointplot(x='weight',y='mpg',data=df,kind='reg')

sns.barplot(y='displacement',x='cylinders',data=df)

sns.barplot(x=df['year'].value_counts().index,y=df['year'].value_counts().values,data=df)

sns.lineplot(y='mpg',x='horsepower',data=df)

Dividindo os dados em X e Y

Lembra da última aula onde dividamos os dados nas labels (x) e o valor que queremos predizer (y).
Vamos retirar a coluna name desse dataframe também, pois ela não tem relevância para análise dos dados.

X = df.drop(['mpg','name'],axis=1)
X

y = df['mpg']
y

Dividindo em dados de treino e dados de teste

Primeiro dividimos em características (X) e valor a ser previsto (y), agora vamos dividir em dados de treino (máquina vai aprender) e dados de teste (máquina vai tentar acertar).

X_train,X_test,y_train,y_test =train_test_split(X,y,test_size=0.2,random_)

Por hoje é só! Sucesso nos códigos e na vida!