python 多元线性回归_Python机器学习，多元线性回归分析问题

@Author：润森，Runsen，公众号：润森笔记

什么是多元线性回归

在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。**事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。**因此多元线性回归比一元线性回归的实用意义更大。

y=β0＋β１x1+β2x2+ … +βpxp+ε # 公式

今天讲一个例子

这里有个excel 文件数据，我们来研究到底是哪个因素影响sales最明显，是TV，还是radio，还是newspaper，也就是找的销售额到底是那家个元素引起的，怎么才能提高销售额？

导入相对的库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.style.use('ggplot')   #使用ggplot样式
from sklearn.linear_model import LinearRegression  # 导入线性回归
from sklearn.model_selection import train_test_split  # 训练数据
from sklearn.metrics import mean_squared_error  #用来计算距离平方误差，评价模型

打开文件

data = pd.read_csv('Advertising.csv')
data.head()  #看下data

先画图分析一下

plt.scatter(data.TV, data.sales)

plt.scatter(data.radio, data.sales)

plt.scatter(data.newspaper, data.sales)

从图中分析看出newspaper的点分散太广，预测毫无关系，应该要去除

进入代码环节

x = data[['TV','radio','newspaper']]
y = data.sales
x_train,x_test,y_train,y_test = train_test_split(x, y)  #得到训练和测试训练集
model = LinearRegression()  #导入线性回归
model.fit(x_train, y_train)  #
model.coef_    # 斜率 有三个
model.intercept_  # 截距

得到

array([ 0.04480311,  0.19277245, -0.00301245])
3.0258997429585506
for i in zip(x_train.columns, model.coef_):print(i)    #打印对应的参数('TV', 0.04480311217789182)
('radio', 0.19277245418149513)
('newspaper', -0.003012450368706149)
mean_squared_error(model.predict(x_test), y_test)  # 模型的好坏用距离的平方和计算4.330748450267551

y =0.04480311217789182 * x1 + 0.19277245418149513 *x2 -0.003012450368706149 * x3 + 3.0258997429585506

我们可以看到newspaper的的系数小于0，说明了投入了，反而影响销售额那么如何改进模型，就是去掉newspaper的数值

x = data[['TV','radio']]
y = data.sales
x_train,x_test,y_train,y_test = train_test_split(x, y)
model2 = LinearRegression()
model2.fit(x_train,y_train)
model2.coef_
model2.intercept_
mean_squared_error(model2.predict(x_test),y_test)array([0.04666856, 0.17769367])
3.1183329992288478
2.984535789030915  # 比第一个model的小，说明更好

y =0.04666856 * x1 +0.17769367 *x2 + 3.1183329992288478

python 多元线性回归_Python机器学习，多元线性回归分析问题相关推荐

numpy多元线性回归_Python 实战多元线性回归模型，附带原理+代码
作者 | 萝卜来源 | 早起Python( ID:zaoqi-python ) 「多元线性回归模型」非常常见,是大多数人入门机器学习的第一个案例,尽管如此,里面还是有许多值得学习和注意的地方.其中多元 ...
【案例实践】Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用
查看原文>>>基于Python多元线性回归.机器学习.深度学习在近红外光谱分析中的实践应用 [专家]: 郁磊副教授主要从事MATLAB 编程.机器学习与数据挖掘.数据可视化和软件开 ...
Python多元线性回归、机器学习、深度学习在近红外光谱分析中的应用
导师:郁磊副教授,主要从事MATLAB 编程.机器学习与数据挖掘.数据可视化和软件开发.人工智能近红外光谱分析.生物医学系统建模与仿真,具有丰富的实战应用经验,主编<MATLAB智能算法30个案 ...
机器学习：线性回归分析女性身高与体重之间的关系
机器学习:线性回归分析女性身高与体重之间的关系作者:i阿极作者简介:Python领域新星作者.多项比赛获奖者:博主个人首页
python多元线性回归实例_Python机器学习多元线性回归模型 | kTWO-个人博客
前言在上一篇文章<机器学习简单线性回归模型>中我们讲解分析了Python机器学习中单输入的线性回归模型,但是在实际生活中,我们遇到的问题都是多个条件决定的问题,在机器学习中我们称之为多元 ...
matlab 多元多项式回归_Python机器学习之?线性回归入门（二）
线性回归原理介绍文章目录机器学习分类线性回归原理线性回归定义线性回归背后矩阵运算机器学习分类机器学习的主要任务便是聚焦于两个问题:分类和回归分类相信大家都不会陌生,生活中会见到很多的应 ...
基于Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用培训班
一 Python入门基础 [理论讲解与案例演示实操练习] 1.Python环境搭建( 下载.安装与版本选择). 2.如何选择Python编辑器?(IDLE.Notepad++.PyCharm.Jupy ...
Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践
多元线性回归及其在近红外光谱分析中的应用.BP神经网络及其在近红外光谱分析中的应用.支持向量机(SVM)及其在近红外光谱分析中的应用.决策树.随机森林.Adaboost.XGBoost和LightGB ...
基于Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用
[专家]:郁磊副教授,主要从事MATLAB 编程.机器学习与数据挖掘.数据可视化和软件开发.人工智能近红外光谱分析.生物医学系统建模与仿真,具有丰富的实战应用经验,主编<MATLAB智能算法 ...

python 多元线性回归_Python机器学习，多元线性回归分析问题

什么是多元线性回归

今天讲一个例子

python 多元线性回归_Python机器学习，多元线性回归分析问题相关推荐

最新文章

热门文章