机器学习（多元线性回归）

1.与简单线性回归的区别
多个自变量（x）

2.多元回归模型
y= β0+ β1*x1+ β2*x2+……..+ βp*xp+e
其中 β1， β2，… βp, β0是参数
e是误差值

3.多元回归方程
E（y）= β0+ β1*x1+ β2*x2+……..+ βp*xp

4.估计多元回归方程
y=b0+b1*x1+b2*x2+……+bp*xp

代码实现：
自变量只为数值型：

数据文件：

# -*- coding:utf-8 -*-
   #导入模块函数将数据集转化格式
from numpy import genfromtxt
import numpy as np   #导入模块numpy，中间需要用到矩阵的运算
from sklearn import datasets,linear_model  #导入数据集，并且导入线性回归模型函数


dataPath = r"E:\demo_py\python\machine_learning\MLR_1.csv"  #初始化数据集的文件路径
delivaryData = np.genfromtxt(dataPath,delimiter=',')  #将数据集文件中的数据转换为矩阵形式

print("data")
print(delivaryData)

X = delivaryData[:,:-1]  #提取数据集中所有行，并且除了倒数第一列以外的数据项
Y = delivaryData[:,-1]  #提取数据集中所有行，并且只有倒数第一列的数据项