7.4 多元回归分析（multiple Regression）应用

最新推荐文章于 2024-02-06 15:38:42 发布

bird-sup

最新推荐文章于 2024-02-06 15:38:42 发布

阅读量1.1k

点赞数 2

分类专栏：深度学习&机器学习

本文链接：https://blog.csdn.net/zxllll8898/article/details/53454191

版权

深度学习&机器学习专栏收录该内容

28 篇文章 0 订阅

订阅专栏

1、例子

一家快递公司送货：X1：运输里程 X2：运输次数 Y：总运输时间

from numpy import genfromtxt
import numpy as np
from sklearn import datasets,linear_model

dataPath = r"E:\data\Delivery.csv"
deliveryData = genfromtxt(dataPath,delimiter=',')

print "data"
print deliveryData

X = deliveryData[:,:-1]
Y = deliveryData[:,-1]

print "X:"
print X
print "Y:"
print Y

regr = linear_model.LinearRegression()

regr.fit(X,Y)

print "coefficients"
print regr.coef_  #输出b0，b1
print "intercept: "
print regr.intercept_#输出截距

xPred = [102,6]
yPred = regr.predict(xPred)
print "predicted y:"
print yPred

车型用001,010等表示：

第一行删除了：

车型已经用另外一种表达方式：

from numpy import genfromtxt
import numpy as np
from sklearn import datasets,linear_model

dataPath = r"E:\data\Delivery.csv"
deliveryData = genfromtxt(dataPath,delimiter=',')

print "data"
print deliveryData

X = deliveryData[:,:-1]
Y = deliveryData[:,-1]

print "X:"
print X
print "Y:"
print Y

regr = linear_model.LinearRegression()

regr.fit(X,Y)

print "coefficients"
print regr.coef_  #输出b0，b1
print "intercept: "
print regr.intercept_#输出截距

输出结果为：