多元线性回归数据集（50_Startups.csv）及代码实现

知识点离散数据的处理

若数据存在“序”关系则连续化，如：

离散	连续
高/m	高
10	1
5	0.5
1	0

否则，转为K维向量代码可见本实例中的Pd.get_dummies(X['state'])。但要注意虚拟变量，例如“性别”变量,可虚拟出“男”和”女”两个变量，

男	1	0
女	0	1

这里所说的虚拟变量陷阱是两个或多个变量高度相关的情况，简单地说，一个变量可以从其他变量中预测出来，那么这里就有一个重复的类别，可以去掉一个变量，节约内存计算机内存空间，减少计算量。

本实例用的数据集是50_Startups.csv，

代码如下：

 

import numpy as np
pip install matplotlib
import matplotlib.pyplot as plt
import pandas as pd
dataset = pd.read_csv("D:/python/50.csv")
X=dataset.iloc[:,0:4]#0到3列的所有行数据（共4列）
X["State"].unique()
y=dataset.iloc[:,4]#第5列的所有行数据
pd.get_dummies(X ['State'])#离散数据转为K维向量
statesdump=pd.get_dummies(X['State'],drop_first=True)#去掉X['State']的第一列数据（减少虚拟变量）
X=X.drop('State',axis=1)
X=pd. concat([X,statesdump],axis=1)
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test =train_test_split(X,y,test_size=0.3,random_state=0)
x_train
#引入线性回归模型拟合训练集
from sklearn.linear_model import LinearRegression
regressor=LinearRegression()
model=regressor.fit(x_train,y_train)
#预测测试集的结果
y_predict=regressor.predict(x_test)
from sklearn.metrics import r2_score# 
score1=r2_score(y_test,y_predict)
model.coef_#多元函数的系数
model.intercept_#函数的截距
model.score(X,y) 

 

审核编辑：刘清