【ML】多元线性回归

最新推荐文章于 2024-09-19 00:23:46 发布

原创

最新推荐文章于 2024-09-19 00:23:46 发布 · 1.1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #数据处理

这篇博客探讨了使用Python和R进行多元线性回归的数据处理，旨在找出与营业额关系最密切的指标。通过对数据进行正则化处理、分割及对比测试，最终分析表明，研发部投入（X2）与营业额之间的关联性最强，建议增加研发部门的投资以提高利润。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

要操作的元数据：
链接:http://pan.baidu.com/s/1c2plP1Q
密码:n6qp

我们的目标是得到：各个指标中哪些指标和和营业额的关系最大。

数据处理之Forward Elimination实战

==================================================

Python

一些以前操作的说明，不再过多解释。
传送门：http://blog.youkuaiyun.com/wiki_su/article/details/78414169

选择好目标文件：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

#import dataset
dataset = pd.read_csv('50_Startups.csv')
X = dataset.iloc[:,:-1].values
Y = dataset.iloc[:,4].values

上面看到对于地区State，我们需要做一些数据规范化的处理

#数据规范化
#第4列的城市数据需要规范化 （index = 3）
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

labelencoder_X = LabelEncoder()
X[:,3] = labelencoder_X.fit_transform(X[:,3])

onehotencoder = OneHotEncoder(categorical_features = [3])
X = onehotencoder.fit_transform(X).toarray()

#避免虚拟数据的陷阱
#除了第一行所有的列。因为三个数据 000- 111，知道了前两个的格式，第三个格式可以推断出来
#00  10  01 就可以判断出了。用2个单位表示3个州名。</