python数据分析：多元线性回归

多元线性回归，即多个变量对目标值的影响（Y=aX1+bX2+cX3…+z）；接下来分析下“店铺面积”和“距离最近的车站”对便利店“月营业额”的影响，并预测店铺的月营业额。
数据准备如下：
代码如下，自行消化：

from pandas import read_csv
from sklearn.linear_model import LinearRegression

#读取数据
data = read_csv('data1.csv',encoding='gbk')

x = data[["店铺的面积", "距离最近的车站"]]
y = data[["月营业额"]]

#y与各个变量的相关系数
print(data.corr())

#建模
Model = LinearRegression()
#训练模型
Model.fit(x, y)
#评分
print(Model.score(x, y))
#预测
print(Model.predict([[10, 110],[20, 110]]))
 #查看参数（斜率）
print(Model.coef_)
#查看截距
print(Model.intercept_)

结果：
结果我们可以看出，月营业额与店铺面积呈正相关关系，与距离最近的车站呈负相关关系。

其实过程跟一元线性回归分析的方法一样，只是变量多了而已。

在学习的过程中，你会发现以上学的都是皮毛，真正的数据分析是要经过不断的训练，对变量的取舍，对数据的拟合等，最终取得最优解…说的我都懵了，后面继续学习吧。

感悟：大部分人都想象自己是超人、救世主，但最终我们都归于平凡或平庸。