多元线性回归

存在两个未知x的多元线性回归

主要是通过A和B两列的值，来对C列的值进行预测的过程的。其中A列是表示相应的英里数

B是表示所经过的站点数，C是表示的所对应的时间的层本。

from numpy import genfromtxt
import numpy as np
from sklearn import datasets,linear_model

dataPath = r"D:\Pratice Code\MLeaning\table2.csv"
# 从文本文件中提取相应的数据，然后是把他转换为numpy，所对应的形式的。
deliveryData = genfromtxt(dataPath,delimiter=',')  # 这样就是能够把相应的数据个输出来的,首先是对应的文本文档是什么，然后是对应的分割符是什么

print(deliveryData)

X = deliveryData[:,:-1]  # 这里是来提取所有的行的，从第0列到倒数第一列，但是不包括倒数第一列的过程的
Y = deliveryData[:,-1]  # 这里是只包含倒数第一列的，所对应的情况的。

print(X)
print(Y)

regr = linear_model.LinearRegression()  # 首先是来调用线性回归模型的，
regr.fit(X,Y)  #  通过线性回归模型的，来拟合相应的数据的过程的。
print(regr.coef_)  # 预测出相应b1开始，所对应的值的
print(regr.intercept_)  # 预测出b0所对应的值

xPred = [[102,6]]  # 这里是来通过二维数据，最后是得到相应的预测的结果的。
yPred = regr.predict(xPred)

print(yPred)

最后是通过XPred，来得到相应的预测结果，其中所对应的结果是10.9，[[102,6]]中的102表示的

是英里数，6表示的经过站点数，10.9表示的预测的时间层本。

存在多个未知数的多元线性回归

其中这里多加入了一个其中的型号，总共是有3种汽车型号，分别是小轿车，卡车，拖拉机，分别用数字0 1

2来进行表示，如果是使用的哪一种汽车那么就是对应1，其他对应为0 ，比如第一行的0 1 0 就是表示使用的

是卡车作为运输工具。

from numpy import genfromtxt
import numpy as np
from sklearn import datasets,linear_model

dataPath = r"D:\Pratice Code\MLeaning\table3.csv"
# 从文本文件中提取相应的数据，然后是把他转换为numpy，所对应的形式的。
deliveryData = genfromtxt(dataPath,delimiter=',')  # 这样就是能够把相应的数据个输出来的,首先是对应的文本文档是什么，然后是对应的分割符是什么

print(deliveryData)

X = deliveryData[:,:-1]  # 这里是来提取所有的行的，从第0列到倒数第一列，但是不包括倒数第一列的过程的
Y = deliveryData[:,-1]  # 这里是只包含倒数第一列的，所对应的情况的。

print(X)
print(Y)

regr = linear_model.LinearRegression()  # 首先是来调用线性回归模型的，
regr.fit(X,Y)  #  通过线性回归模型的，来拟合相应的数据的过程的。
print(regr.coef_)  # 预测出相应b1开始，所对应的值的
print(regr.intercept_)  # 预测出b0所对应的值

xPred = [[102,6,0,1,0]] # 这里是来通过二维数据，最后是得到相应的预测的结果的。,得到相应的运算的层本的过程的。
yPred = regr.predict(xPred)

print(yPred)

XPred是表示相应的测试的数据，所对应的与测层本是11.16