回归模型不成功-python

Question

我必须在 python 中创建一个回归模型

能源评级与。价格，看看能源等级是否取决于价格。

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数，这可能是图表不好的原因，但不知道如何改进。

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

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

并创建不成功的最终模型，

# 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()

我该如何改进呢？数据是否不稳定或我遗漏了任何逻辑错误？

提前致谢

编辑：

energy rating的频率图

这就是能量等级的变化方式。

Answer 1

我猜一个简单的linear regression 无法从您给出的图中捕获price 和energyrating 之间的关系，因为price 在energyrating 增加时不会单调减少或增加。我建议你包含一个二次项energyrating，即添加一个新列energyrating * energyrating，或者你认为合理的其他高阶变换。

如果您被允许使用linear regression 以外的其他模型，我建议您将price 平均到每个energyrating（它与您的绘图是离散的）bin 并绘制曲线，我认为这将是更好。

例如在熊猫中：

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