0 前言
幾種方法對比做該數據集的迴歸分析: github代碼
文件說明：
- LR_global_path.py 全局文件路徑
- readdata.py 讀取數據，簡單的特徵統計顯示
- LR_linreg.py 普通線性迴歸
- Ensembleplot.py 集成迴歸
- fullNet.py 全連接神經網絡
該數據集是收集於聯合循環發電廠的9568個數據點, 共包含5個特徵: 每小時平均環境變量溫度（AT），環境壓力（AP），相對溼度（RH），排氣真空（V）和淨每小時電能輸出（PE）, 其中電能輸出PE是我們要預測的變量。
數據：介紹地址 下載地址
普通的迴歸：
- 線性迴歸（LinearRegression）
- 嶺迴歸（RidgeCV、Ridge）
- 支持向量機線性迴歸（svm.SVR(kernel=‘linear’)）
集成迴歸學習方法：
- 隨機森林迴歸（RandomForestRegressor）
- 極端樹迴歸（ExtraTreesRegressor）
- 梯度提升迴歸（GradientBoostingRegressor）
全連接神經網絡
簡單線性迴歸：
集成迴歸：
全連接神經網絡：
tensorboard 可以進一步展示數據流動方向和節點情況：
