机器学习——多元线性回归问题(1)不含标签

介绍

多元线性回归问题通常是解决多个自变量(x)和一个因变量(y)的关系问题。

模型

y = a + b1x1 + b2x2 + … + b3x3 + ε
（可参照简单线性回归：https://blog.csdn.net/hhhhhh5863/article/details/88668355）

以下讨论为二元线性回归问题
例如，有数据集：

问题

已知x1，x2分别为102，6；预测此时的y值

代码如下

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

dataPath = r"C:\Delivery0.CSV" #数据保存的csv文件路径
deliveryData = genfromtxt(dataPath,delimiter = ',') #将csv格式转换成矩阵形式，以逗号分隔

#print("data",deliveryData)

x = deliveryData[:,:-1] #将矩阵分割，前n-1列赋值给x
y = deliveryData[:,-1] #最后一列赋值给y

#print("x:",x)
#print("y:",y)

regr = linear_model.LinearRegression() 
regr.fit(x,y)   #建立x，y关系
#print("coefficients:",regr.coef_)  #打印出b1，b2值
#print("intercept:",regr.intercept_)  #打印出截距即a值

xPred = [[102,6]] # 传入二维矩阵，不是一维矩阵
yPred = regr.predict(xPred) #预测y值
print("predicted y :",yPred)

结果如下