空气质量
本课属于 Coddy Machine Learning 学习旅程的“机器学习统计学”单元。第 62 课，共 64 课。
一座城市想快速预测细颗粒物 PM2.5 的情况。街道传感器在 air.csv 中记录了 40 天的数据：
每一行都记录了一天的风速、温度、湿度、交通情况和 pm25。其中一个指标比其他指标更能反映粉尘情况。
找出它，为它拟合一条直线，并说明你能在多大程度上信任它：它能解释多少、主要在哪些地方存在偏差，以及预测何时会脱离数据。
挑战
困难程序会读取最佳特征在新一天的值。将结果四舍五入到小数点后 2 位。
- 忽略正负号，打印与
pm25的 r 值相关性最强的特征，以及它带符号的 r 值。 - 拟合一条直线。打印直线方程、R 平方值，以及误差最大的行和该行的残差。
- 根据输入值进行预测，并在该值超出特征数据范围时发出警告。
- 绘制散点和红色直线，直线从最小值延伸到最大值：标题为
Air Quality，横轴为该特征，纵轴为PM2.5。
对于另一个城市，输入 8：
Best feature: traffic_k (r = 0.86)
Line: pm25 = 1.11 * traffic_k + 13.67
R squared: 0.73
Largest miss: row 14 (residual 11.15)
Prediction at 8.0: 22.57
Warning: outside the data完成代码后，Coddy 会描述你的图表。
亲手试试
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
value = float(input())
df = pd.read_csv("air.csv")
# 在下方编写你的代码
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
机器学习统计学中的所有课
自己练习： Python 在线编译器