要操作的元数据:
链接:http://pan.baidu.com/s/1c2plP1Q
密码:n6qp
我们的目标是得到:各个指标中哪些指标和和营业额的关系最大。
数据处理之Forward Elimination实战
==================================================
Python
一些以前操作的说明,不再过多解释。
传送门:http://blog.csdn.net/wiki_su/article/details/78414169
选择好目标文件:
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
#import dataset
dataset = pd.read_csv('50_Startups.csv')
X = dataset.iloc[:,:-1].values
Y = dataset.iloc[:,4].values
上面看到对于地区State,我们需要做一些数据规范化的处理
#数据规范化
#第4列的城市数据需要规范化 (index = 3)
from sklearn.preprocessing import LabelEncoder,OneHotEncoder
labelencoder_X = LabelEncoder()
X[:,3] = labelencoder_X.fit_transform(X[:,3])
onehotencoder = OneHotEncoder(categorical_features = [3])
X = onehotencoder.fit_transform(X).toarray()
#避免虚拟数据的陷阱