机器学习代码实战——线性回归(多变量)(Linear Regression)
文章目录
- 1.实验目的
- 2.导入必要模块并读取数据
- 3.对数据进行处理
- 3.1.experience字段数字化
- 3.2.test_score(out of 10)字段NaN替换为平均数
- 4.训练+预测
1.实验目的
在hiring.csv中,包含公司的招聘信息,例如候选人的工作经验,笔试成绩和个人面试成绩。 基于这三个因素,人力资源将决定工资。 有了这些数据,您需要为人力资源部门建立一个机器学习模型,以帮助他们确定未来应聘者的薪水。 使用此预测薪水来预测以下候选人薪资,
(1)2年工作经验,测试成绩9,面试成绩6
(2)12年工作经验,测试分数10,面试分数10
2.导入必要模块并读取数据
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from word2number import w2ndf = pd.read_csv('hiring.csv')
df
3.对数据进行处理
3.1.experience字段数字化
df.experience = df.experience.fillna('zero') #NaN统一替换为zero
df
df.experience = df.experience.apply(w2n.word_to_num) #运用w2n.word_to_num将字母转化为数字
df
3.2.test_score(out of 10)字段NaN替换为平均数
import mathmedian_test_score = math.floor(df['test_score(out of 10)'].mean()) #取平均数并向下取整
median_test_score#输出
7
df['test_score(out of 10)'] = df['test_score(out of 10)'].fillna(median_test_score) #用平均数填充NaN
df
4.训练+预测
reg = LinearRegression() #实例化模型
reg.fit(df[['experience','test_score(out of 10)','interview_score(out of 10)']],df['salary($)']) #训练reg.coef_ #系数
reg.intercept_ #截距reg.predict([[2,9,6]]) #预测一
reg.predict([[12,10,10]]) #预测二
机器学习代码实战——线性回归(多变量)(Linear Regression)相关推荐
- 机器学习经典算法---线性回归(Linear Regression)算法
线性回归(Linear Regression)算法 一.对于回归的理解 1.回归的定义 2.多元线性回归 3.广义线性回归 二.线性回归方程的求解 1.一般情况下为什么要用最小二乘法作为性能度量而不是 ...
- 机器学习代码实战——线性回归(单变量)(Linear Regression)
文章目录 1.实验目的 2.导入必要模块并读取数据 3.画当前数据分布散点图 4.提取数据和标签 5.训练+预测 1.实验目的 使用线性回归模型预测2020年加拿大公民的人均收入. 数据链接 密码:z ...
- 机器学习实战(七)线性回归(Linear Regression)
目录 0. 前言 1. 假设函数(Hypothesis) 2. 标准线性回归 2.1. 代价函数(Cost Function) 2.2. 梯度下降(Gradient Descent) 2.3. 特征缩 ...
- 机器学习之多变量线性回归(Linear Regression with multiple variables)
机器学习之多变量线性回归(Linear Regression with multiple variables) 1. Multiple features(多维特征) 在机器学习之单变量线性回归(Lin ...
- 机器学习之单变量线性回归(Linear Regression with One Variable)
机器学习之单变量线性回归(Linear Regression with One Variable) 1. 模型表达(Model Representation) 我们的第一个学习算法是线性回归算法,让我 ...
- 线性回归(Linear Regression)和最小二乘法(ordinary least squares)
下面是对Andrew Ng的CS229机器学习课程讲义note1做的一部分笔记,按照自己的理解,对note1进行部分翻译,英文水平和知识水平不够,很多认识都不够深刻或者正确,请大家不吝赐教! 一.基本 ...
- R语言基于线性回归(Linear Regression)进行特征筛选(feature selection)
R语言基于线性回归(Linear Regression)进行特征筛选(feature selection) 对一个学习任务来说,给定属性集,有些属性很有用,另一些则可能没什么用.这里的属性即称为&qu ...
- 线性回归(Linear regression)算法
归类:属于有监督学习.判别模型.有预测函数.有优化目标,有优化求解算法 应用:股票价格预测(依据过去的数据预测将来的状态) 分类: 回归按照输入变量的个数可分为:一元回归和多元回归 按照输入变量和输出 ...
- 线性回归(Linear Regression)和逻辑回归(Logistic Regression)
先举两个简单的例子,看上面的图片. 线性回归主要功能是拟合数据. 逻辑回归主要功能是区分数据,找到决策边界. 线性回归的代价函数常用平方误差函数. 逻辑回归的代价函数常用交叉熵. 参数优化的方法都是常 ...
最新文章
- 335b装配程序流程图_某建设项目装配式框架结构PC构件吊装监理细则(方案)
- 神经网络的结构汇总——tflearn
- ELK三件套安装实践之路(1)
- java content()_Java contentEquals() 方法
- pytdx 获取板块指数_能否增加一个通过股票代码,板块指数代码获得中文名称的接口?...
- 移动端webapp开发必备知识
- 【折腾的一个小玩意】基于jquery+百度音乐的音乐外链小工具
- GitLab上配置SSH Key
- 将几个常用网站页面保存为PDF并删除网页无用部分
- 数学建模——国赛写作模板篇
- DHCP/Netbios
- MFC隐藏任务栏图标并显示到托盘
- 按键精灵电脑版对接百度ai,告别字库(文字识别篇)
- 树莓派4B通过16路PWM输出的PCA9685模块控制舵机(机械臂)附完整代码
- php x86什么意思,win10x86是什么意思
- MT6572平台加入呼吸灯功能——控制芯片SN3112-12简介
- iTouch3-32G升级4.2.1并越狱
- 【胖虎的逆向之路】01——动态加载和类加载机制详解
- 读书笔记(2014-06)
- DEK印刷机Horizon触摸屏维修03iX主机显示屏维修概述
热门文章
- 2017全球光伏增速或放缓 国内“6·30”仍将是分水岭
- 【汇编语言与计算机系统结构笔记18】MIPS指令集与汇编程序设计 异常处理
- vim 编辑器 bash文件测试
- 吉林省计算机二级vf试题,计算机等级考试二级VF模拟试题四及答案解析
- pytorch 入门学习使用逻辑斯蒂做二分类-6
- Shell in AIX Web端 自动远程执行重启tomcat服务命令
- Oracle,Mysql,Sqlserver数据库连接串(总爱忘,留着备用)
- VS当前不会命中断点 还没有为该文档加载任何符号
- Linux passwd系统错误,Linux系统处理”passwd: Authentication token manipulation error”错误...
- linux中.开头的变量,linux中的变量