# RegressionAnalysis

**Repository Path**: yin-mingjun/RegressionAnalysis

## Basic Information

- **Project Name**: RegressionAnalysis
- **Description**: pytorch, 回归分析，绘制分析结果可视化
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2023-03-15
- **Last Updated**: 2023-03-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 回归模型-逐步回归
此模型使用格式化数据来做简单的回归分析并
绘制可视化图形

> 作者: zhhike \
> 时间: 2022.2.22


**Requires**

```
matplotlib==3.3.1
numpy==1.22.2
pandas==1.1.1
scikit_learn==1.0.2
seaborn==0.11.0
torch==1.10.2
```

**you need**

如果你需要运行代码，请按照以下配置环境

```
conda create -n regression python=3.9
conda activate regression
conda install torch-gpu
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
python3 -m pip install --upgrade pip
pip install -r requirements.txt
```

**数据准备**

`python run.py --extract_data`

**训练模型**
> 如果你需要修改训练的device，请在run.py文件里修改args.device，可选（cpu or gpu:0）

此模型分为普通回归和逐步回归
* 普通回归： 运用全部输入数据来预测输出数据
* 逐步回归： 先进行显著性检验再训练模型

如果你需要使用 *普通回归* 方法，你需要使用以下命令运行

`python3 run.py`

如果你需要用 *逐步回归* 方法，你需要使用如下命令

`python3 run.py --step_back`

**绘图**

再训练完模型后，需要绘制相关性图和输入输出图形，
你可以运行如下代码

* 普通回归图

`python3 run.py --varity`

* 逐步回归图

`python3 run.py --varity --step_back`

* 逐步回归和普通回归预测图放在一起

`python3 run.py --varity_all`

**results**

所有的结果都在 `./results` 文件里

* loss图: `./results/Img/loss/`
* 普通回归: `./results/Img/output/`
* 逐步回归: `./results/Img/step_back/`
* 逐步回归和普通回归预测图放在一起: `./results/Img/all/`

## 后期修改
* `./dataset/utils 里的 init_data()`
* './dataset/dataLoader 里的 数据加载'
* './run.py 里的 season'