7.4　多元回归分析(multiple regression)应用

最新推荐文章于 2023-09-10 14:13:41 发布

《一夜飘零》

最新推荐文章于 2023-09-10 14:13:41 发布

阅读量9k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/jiaxinhong/article/details/82015882

机器学习专栏收录该内容

13 篇文章

订阅专栏

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