作者:默默-的米线_601 | 来源:互联网 | 2023-10-10 13:04
前言
之前用过的代码,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,r后边内容当做完整的字符串,忽略里面的特殊字符
dataPath = r'data_multi.csv'
data_multi = genfromtxt(dataPath,delimiter=',') #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 = 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 = 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 = linear_model.LinearRegression()
regr.fit(X,Y)
print("coefficients:",regr.coef_) #b1,...,bp(与x相结合的各个参数)
print("intercept:",regr.intercept_) #b0(截面)
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
x_pred = [[102,4,6]]
y_pred = regr.predict(x_pred) #预测
print("y_pred:",y_pred)
y_pred: [10.47977423]