机器学习（九）：多元线性回归

1、与简单线性回归区别：多个自变量（x）
2、多元回归模型

3、多元回归方程

4、估计多元回归方程

5、估计流程

6、估计方法

7、举例
一家快递公司送货统计10次:
x1∶运输里程Miles,x2∶运输次数Deliveries,Y:总运输时间

Time(Y) = bo+ b1Miles(x1) + b2 Deliveries(x2)
数据代入后计算b0,b1,b2
Time = -0.869 + 0.0611 Miles + 0.923 Deliveries
预测
如果一个运输任务是跑102英里，运输6次，预计多少
小时?
time = -0.869 +0.0611102+ 0.923 6=10.9（小时）

from numpy import genfromtxt
from sklearn import linear_model

# 读取文件
dataPath = r"D:\Machine learning\jiaocai\machine2\MachineLearning\MultiLinearRegression\Delivery.csv"
deliveryData = genfromtxt(dataPath, delimiter=',')  # 将scv的数据转换成np.array的数据格式

print("data")
print(deliveryData)

# 将数据拆分成两部分：x取所有行，列取到前两列；y取所有行，列取最后一列。最后一列索引为-1
x = deliveryData[:, :-1]
y = deliveryData[:, -1]

print(x)
print(y)

# 使用模型
lr = linear_model.LinearRegression()
lr.fit(x, y)

print(lr)

print("coefficients系数:")
print(lr.coef_)

print("intercept截距:")
print(lr.intercept_)

xPredict = ([[102, 6]])
yPredict = lr.predict(xPredict)
print("predict预测:")
print(yPredict)