前言：上一篇对AQI进行了分析，这一篇根据对以往的数据，建立一个模型，可以将模型应用于未知的数据，来进行AQI的预测。 文章目录1、加载相关库和数据集2、数据处理和转换2.1 简单的数据处理2.2 数据转换3、建立基模型4、特征选择4.1 RFECV4.2 使用RFECV进行特征选择5、异常值处理5.1 使用临界值进行填充5.2 分箱离散化6 、残差图分析6.1 异方差性6.2 离群点 1、加载相关库和数据集 使用的库主要有：pandas、numpy、matplotlib、seaborn、s

克拉科夫空气污染项目 该项目致力于波兰克拉科夫的空气污染水平。 在欧洲的空气质量研究中，波兰城市排名很高。 根据瑞士空气监测平台IQAir的数据，克拉科夫在2019年欧洲污染最严重的城市中第29位。 利用天气条件，该模型可以预测称为PM2.5的极细颗粒物的水平，PM2.5是构成最大健康风险的污染物。 来自2019年和2020年的克拉科夫气象数据和PM2.5数据 执行数据预处理（处理丢失的数据，转换分类特征，缩放数据，消除异常值，设计新特征，检查多重共线性） 进行探索性数据分析 使用sklea

python 空气质量AQI 数据分析与预测----用到的库，数据集，数据清洗-附件资源

python 空气质量AQI 数据分析与预测----用到的库，数据集，数据清洗-附件资源