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。
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/884f5de3808cb855eb00e511d5404f11.png)
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。
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/fe398b9b2207084873217f6a093d93de.png)
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。
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/8fae9400f03e74853903ca5a0dac551b.png)
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)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/a5222589ffa9f7245fc5ad85d9bd9975.png)
XPred是表示相应的测试的数据,所对应的与测层本是11.16