7.4 多元回归分析(multiple regression)应用

本文通过分析一家快递公司的运输里程和运输次数与总运输时间的关系,利用Python的sklearn库进行线性回归分析,建立了一个预测模型。模型通过计算得出各参数的系数,能够预测在特定里程和运输次数下所需的运输时间。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 例子

一家快递公司送货:X1: 运输里程 X2: 运输次数   Y:总运输时间     

Driving 

Assignment

X1=Miles 

Traveled

X2=Number of Deliveries

Y= Travel Time (Hours)

1

100

4

9.3

2

50

3

4.8

3

100

4

8.9

4

100

2

6.5

5

50

2

4.2

6

80

2

6.2

7

75

3

7.4

8

65

4

6.0

9

90

3

7.6

10

90

2

6.1

目的,求出b0, b1,.... bp:

y_hat=b0+b1x1+b2x2+ ... +bpxp 

2. Python代码:

from numpy import genfromtxt

import numpy as np

from sklearn import datasets, linear_model


dataPath = r"D:\MaiziEdu\DeepLearningBasics_MachineLearning\Datasets\Delivery.csv"

deliveryData = genfromtxt(dataPath, delimiter=',')


print "data"

print deliveryData


X = deliveryData[:, :-1]

Y = deliveryData[:, -1]


print "X:"

print X

print "Y: "

print Y


regr = linear_model.LinearRegression()


regr.fit(X, Y)


print "coefficients"

print regr.coef_

print "intercept: "

print regr.intercept_


xPred = [102, 6]

yPred = regr.predict(xPred)

print "predicted y: "

print yPred

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值