【机器学习个人笔记】part3——用sklearn实现多元线性回归

【机器学习个人笔记】part3——用sklearn实现多元线性回归

简单线性回归可以看做是y = ax + b的函数，多元线性函数则可以看做是y = ax1 + bx2 + cx3 + d的函数。
简单线性回归就是通过一个特征去预测（比如用工作经验去预测薪水），而多元线性回归则是用多个特征去预测。

例子：根据“研究开发经费”、“行政投入”、“市场支出”、“所在区域” 来预测 “公司盈利额”

这里可以用虚拟编码来处理“state”这个特征

但要注意，使用虚拟编码会存在一个虚拟编码陷阱问题。
解决方案：去掉一个特征，比如D2项

什么是虚拟编码陷阱？
在进行虚拟编码操作后，产生了D1和D2两项，但这两项是存在数学关系的，D1 + D2 = 1，即可以用D1来表示D2，D2 = 1 - D1，为了去掉冗余的特征，所以要删掉D1或D2.

编码步骤：

1. 导入标准库、导入数据集

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd