机器学习100天: Day3 多元线性回归

tutan123

于 2019-04-26 17:09:59 发布

阅读量219

点赞数

分类专栏：机器学习100天

本文链接：https://blog.youkuaiyun.com/tutan123/article/details/89559197

版权

本文详细介绍了如何进行数据预处理，包括导入库、数据集、类别数据数字化，避免虚拟变量陷阱，以及训练集和测试集的划分。接着在训练集上训练了多元线性回归模型，并在测试集上进行了预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文介绍多元线性回归算法及其代码实现

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
Y = dataset.iloc[ : ,  4 ].values

将类别数据数字化

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder = LabelEncoder()
X[: , 3] = labelencoder.fit_transform(X[ : , 3])
onehotencoder = OneHotEncoder(categorical_features = [3])
X = onehotencoder.fit_transform(X).toarray()

躲避虚拟变量陷阱

X = X[: , 1:]

拆分数据集为训练集和测试集

from sklearn.model_selection import trai

最低0.47元/天解锁文章