零式机器学习笔记——Day3 多元线性回归

学习目标

与简单线性回归相比，引入更多的独立变量，步骤基本一致：

1. 数据预处理

2. 对训练集进行线性拟合

3. 预测结果

步骤讲解

原始数据编码

由于原始数据中存在字符串，需要先使用Labelenconder方法数字化，再使用OneHotEncoder方法进行编码，得到机器码100、010、001三种状态（对于原始数据三种字符串）。

躲避虚拟变量陷阱

# Avoiding Dummy Variable Trap
x = x[:, 1:]

以上代码所谓虚拟变量陷阱，指定是原始数据中州名（California，Florida，New York）只有三个，理论上2位二进制（可以表示四种状态）就可以表示。这里被编码为100、010、001，将第一位去掉变为00、10、01也可以区分，所以这里直接将第一列数据丢弃。

源代码

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt

step = "Step 1: Data Preprocessing"
# Importing the dateset
dataset = pd.read_csv("50_Startups.csv")
x = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 4].values
# Encoding Categorial data
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder = LabelEncoder()
onehotencoder = OneHotEncoder(categorical_features=[3])
x[:, 3] = labelencoder.fit_transform(x[:, 3])
x = onehotencoder.fit_transform(x).toarray()
# Avoiding Dummy Variable Trap
x = x[:, 1:]
# Splitting the dataset into the Training set and Test set
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2, random_state = 0)

step = "Step 2: Fitting Multiple Linear Regression to the Training set"
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(x_train, y_train)

step = "Step 3: Predicting the Test set results"
y_gred = regressor.predict(x_test)

笔记目录

返回目录