Python多元线性回归实例

前言

之前用过的代码&＃xff0c;现在整理一下。

数据集

链接: https://pan.baidu.com/s/1Wd3s22GF98CjSJg-P42S3Q
提取码: d4rw

程序

from numpy import genfromtxt #genfromtxt函数创建数组表格数据
import numpy as np
from sklearn import datasets,linear_model#读取数据&＃xff0c;r后边内容当做完整的字符串&＃xff0c;忽略里面的特殊字符
dataPath &＃61; r&＃39;data_multi.csv&＃39;
data_multi &＃61; genfromtxt(dataPath,delimiter&＃61;&＃39;,&＃39;) #将路径下的文本文件导入并转化成numpy数组格式
print("data_multi:",data_multi)X &＃61; data_multi[:,:-1] #取所有行和除了最后一列的所有列作为特征向量
Y &＃61; data_multi[:,-1] #取所有行和最后一列作为回归的值
print("X:",X)
print("Y:",Y)#建立回归模型
regr &＃61; linear_model.LinearRegression()
regr.fit(X,Y)
print("coefficients:",regr.coef_) #b1,...,bp&＃xff08;与x相结合的各个参数&＃xff09;
print("intercept:",regr.intercept_) #b0&＃xff08;截面&＃xff09;


结果展示

data_multi: [[100. 5. 4. 9.3][ 50. 6. 3. 4.8][100. 9. 4. 8.9][100. 3. 2. 6.5][ 50. 4. 2. 4.2][ 80. 5. 2. 6.2][ 75. 8. 3. 7.4][ 65. 4. 4. 6. ][ 90. 2. 3. 7.6][ 90. 6. 2. 6.4]]
X: [[100. 5. 4.][ 50. 6. 3.][100. 9. 4.][100. 3. 2.][ 50. 4. 2.][ 80. 5. 2.][ 75. 8. 3.][ 65. 4. 4.][ 90. 2. 3.][ 90. 6. 2.]]
Y: [9.3 4.8 8.9 6.5 4.2 6.2 7.4 6. 7.6 6.4]
coefficients: [0.06228476 0.09866047 0.80577487]
intercept: -1.1025622824693189


• 预测

x_pred &＃61; [[102,4,6]]
y_pred &＃61; regr.predict(x_pred) #预测
print("y_pred:",y_pred)


y_pred: [10.47977423]