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 ...

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

机器学习代码实战——线性回归(多变量)（Linear Regression）相关推荐

最新文章

热门文章