案例:该数据集的是一个关于每个学生成绩的数据集,接下来我们对该数据集进行分析，判断学生是否适合继续深造
数据集特征展示
1GRE 成绩 (290to 340)
2TOEFL 成绩(92to 120)
3学校等级 (1to 5)
4自身的意愿 (1to 5)
5推荐信的力度 (1to 5)
6CGPA成绩 (6.8to 9.92)
7是否有研习经验 (0or1)
8读硕士的意向 (0.34to 0.97)
导入包
导入并查看数据集
df = pd.read_csv("D:\\machine-learning\\score\\Admission_Predict.csv",sep = ",")<br>print('There are ',len(df.columns),'columns')<br>for c in df.columns:<br> sys.stdout.write(str(c)+', '
There are 9columns
Serial No., GRE Score, TOEFL Score, University Rating, SOP, LOR , CGPA, Research, Chance of Admit , <br>一共有9列特征
df.info()
<class'pandas.core.frame.DataFrame'>
RangeIndex: 400entries, 0to 399
Data columns (total 9columns):
Serial No. 400non-null int64
GRE Score 400non-null int64
TOEFL Score 400non-null int64
University Rating 400non-null int64
SOP 400non-null float64
LOR 400non-null float64
CGPA 400non-null float64
Research 400non-null int64
Chance of Admit 400non-null float64
dtypes: float64(4), int64(5)
memory usage: 28.2KB<br><br>数据集信息：<br>1.数据有9个特征，分别是学号，GRE分数，托福分数，学校等级，SOP，LOR，CGPA，是否参加研习，进修的几率<br>2.数据集中没有空值<br>3.一共有400条数据
# 整理列名称
df =df.rename(columns={'Chance of Admit ':'Chance of Admit'})<br># 显示前5列数据<br>df.head()
3.查看每个特征的相关性
结论：
1.最有可能影响是否读硕士的特征是GRE，CGPA，TOEFL成绩
2.影响相对较小的特征是LOR，SOP，和Research
4.数据可视化，双变量分析
4.1 进行Research的人数
结论：进行research的人数是219，本科没有research人数是181
4.2 学生的托福成绩
结论：最低分92分，最高分满分，进修学生的英语成绩很不错
4.3 GRE成绩
结论：310和330的分值的学生居多
4.4 CGPA和学校等级的关系
结论：学校越好，学生的GPA可能就越高
4.5 GRE成绩和CGPA的关系
结论：GPA基点越高，GRE分数越高，2者的相关性很大
4.6 托福成绩和GRE成绩的关系
结论：多数情况下GRE和托福成正相关，但是GRE分数高，托福一定高。
4.6 学校等级和是否读硕士的关系
结论：排名靠前的学校的学生，进修的可能性更大
4.7 SOP和GPA的关系
结论： GPA很高的学生，选择读硕士的自我意愿更强烈
4.8 SOP和GRE的关系
结论：读硕士意愿强的学生，GRE分数较高
5.模型
5.1 准备数据集
5.2 回归
5.2.1 线性回归
