扫码加入数据分析学习群

算法层次：

统计学习，涉及python statsmodels包（方差分析，线性回归）

机器学习，涉及python sklearn包,scikit-learn 包括分类、回归、聚类、降维四个大类

statsmodels:假设检验及统计模型功能，主要研究结构性归因问题，并不强调预测功能，主要为推论小数据服务

sklearn：提供数据挖掘模型功能，主要研究预测性问题，主要为大数据服务，以探讨速度问题为特征

方差做差异分析，回归做归因和预测分析

方差分析-多因素和交互

from statsmodels.stats.anova import anova_lm #计算glm 所有模型总体检验

from statsmodels.stats.multicomp import (pairwise_tukeyhsd,MultiComparison) # 单个x不同分类的检验

modelols = smf.ols("总耗~品牌+质量控制+机器类型",data=data).fit()

anova=anova_lm(modelols)

print(np.round(anova,3))

print("事后检验",pairwise_tukeyhsd(data['总耗'],data['品牌']))

import seaborn as sns

fig,ax=plt.subplots(2,1,figsize=(16,12)) #可以画2行1列2个对象，占用尺寸为16:12

sns.lineplot(x='机器类型',y='总耗',hue='质量控制',data=data,ax=ax[0])# ax代表画布第几个对象，hue代表系列分组

sns.violinplot(x='机器类型',y='总耗',hue='质量控制',data=data,ax=ax[1])