03-多元线性回归【100-Days-Of-ML-Code】

本文介绍如何在Python中通过pandas和sklearn预处理包含标称型数据的机器学习数据集,包括使用虚拟变量避免陷阱。

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

查看转载请点击此处
在这里插入图片描述
虚拟变量:当该特征是标称型的,那么就可以构造数值型虚拟变量,取值可以对类别进行区分。

虚拟变量陷阱:如果该特征是标称型,且有m个取值,那么我们只需要构建m-1个虚拟变量即可,因为最后一个虚拟变量可以通过前m-1个虚拟变量预测推断出来。

第1步: 数据预处理

导入库

import pandas as pd
import numpy as np

导入数据集

dataset = pd.read_csv('50_Startups.csv')
X = dataset.iloc[ : , :-1].values  # iloc是pandas的使用方法,用于取出列。
Y = dataset.iloc[ : ,  4 ].values

将类别数据数字化

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

# 首先将标签数据用离散数值表示,如0,1,2,3
labelencoder = LabelEncoder()
X[: , 3] = labelencoder.fit_transform(X[ : , 3])

# 再将离散数值用one-hot编码,数字3表示该特征有3个类别
onehotencoder = OneHotEncoder(categorical_features = [3])
X = onehotencoder.fit_transform(X).toarray()

躲避虚拟变量陷阱

在上面的数据中,某特征有三个标称值,进行one-hot编码后,产生了三个虚拟变量,因此,我们需要剔除重复的第三个虚拟变量。

# 经过数据类型转换后,Python将标称型数据放在了最前列
X = X[: , 1:]

拆分数据集为训练集和测试集

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 0)

第2步: 在训练集上训练多元线性回归模型

from sklearn.linear_model import LinearRegression

# 创建regressor对象
regressor = LinearRegression()

# regressor对象的fit()方法来训练模型
regressor.fit(X_train, Y_train)

第3步:在测试集上预测结果

y_pred = regressor.predict(X_test)
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