7.4 多元线性回归应用

  1. 例子

这里写图片描述
一家快递公司送货:X1: 运输里程 X2: 运输次数 Y:总运输时间

目的,求出b0, b1,…. bp:

y_hat=b0+b1x1+b2x2+ … +bpxp

  1. Python代码:
from numpy import genfromtxt
import numpy as np
from sklearn import linear_model

deliveryData=genfromtxt("Delivery.csv",delimiter=',')
print('data:',deliveryData)

X=deliveryData[:,:-1]
Y=deliveryData[:,-1]
print('X:',X)
print('Y:',Y)

regr=linear_model.LinearRegression()
regr.fit(X, Y);
print('coeffients',regr.coef_)
print('intercept:',regr.intercept_)

x=[102,6]
y=regr.predict([x])
print('predicted y:',y)

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值