![v2-e2825fccab79c38fd3c9c95bbba2372b_1440w.jpg?source=172ae18b](http://img-03.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic1.zhimg.com/v2-e2825fccab79c38fd3c9c95bbba2372b_1440w.jpg?source=172ae18b)
写在前面:
理解多元线性回归模型前,要有一元线性回归的基础
略略略:学个明白:啥是一元线性回归模型——数据分析学习记录
一,抛出问题
生活中,通常决定一件事事情的因素有很多,就构成了多变量,比如预测广告的点击率可能需要广告的位置、类型、投入成本等等信息,最后预测的结果是点击率。
数据集可以按照以下方式表示:
![v2-aa6da7b01f02dbe4f5a5f39687f36f5d_b.jpg](http://img-02.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic2.zhimg.com/v2-aa6da7b01f02dbe4f5a5f39687f36f5d_b.jpg)
写成矩阵的样子就是这样:
![v2-ce8f1f0fa18e91e64297be49c9d2eaf8_b.jpg](http://img-03.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic1.zhimg.com/v2-ce8f1f0fa18e91e64297be49c9d2eaf8_b.jpg)
其中,
![v2-e9b5def9c295210013d2a4c75074eb99_b.jpg](http://img-02.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic2.zhimg.com/v2-e9b5def9c295210013d2a4c75074eb99_b.jpg)
我们可以写出这个多元线性回归模型的公式:
![v2-f352b613baf686e770c4ed6ebe13585a_b.jpg](http://img-02.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic3.zhimg.com/v2-f352b613baf686e770c4ed6ebe13585a_b.jpg)
简单提一下,这里的观测量和自变量个数
一定要满足
,不然后面的矩阵无法求解(详细原因看后面的回归文章,还未写)
好了现在我们有公式了,可以进行求解了
二,求解多元线性回归模型
下面是公式的具体推导,不想看推到的朋友建议直接跳到结果:
![v2-a5544678a5a244493f4f7208c37fd5c0_b.jpg](http://img-03.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic1.zhimg.com/v2-a5544678a5a244493f4f7208c37fd5c0_b.jpg)
最后这个
三,建模实例
代码和数据获取:
![v2-ab4a8eec3c535744ac6af6fbe42f0dd5_b.png](http://img-03.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic2.zhimg.com/v2-ab4a8eec3c535744ac6af6fbe42f0dd5_b.png)
链接:https://pan.baidu.com/s/1rhT1B7aDKaR8juVoXk0Y1w
提取码:kemv
代码:
# 导入第三方模块
![v2-85d0318db8f41e0f0b29772419933fb4_b.jpg](http://img-03.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic1.zhimg.com/v2-85d0318db8f41e0f0b29772419933fb4_b.jpg)
总结:
![v2-fcade343d489308e7365ebd2776a14a7_b.jpg](http://img-03.proxy.5ce.com/view/image?&type=2&guid=7d404f24-f62f-eb11-8da9-e4434bdf6706&url=https://pic4.zhimg.com/v2-fcade343d489308e7365ebd2776a14a7_b.jpg)