一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

多元線性回歸數(shù)據(jù)集(50_Startups.csv)及代碼實(shí)現(xiàn)

jf_R6cs0Kjv ? 來(lái)源:智行RFID ? 2023-08-04 10:32 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

知識(shí)點(diǎn)離散數(shù)據(jù)的處理

若數(shù)據(jù)存在“序”關(guān)系則連續(xù)化,如:

離散 連續(xù)
高/m
10 1
5 0.5
1 0

否則,轉(zhuǎn)為K維向量代碼可見(jiàn)本實(shí)例中的Pd.get_dummies(X['state'])。但要注意虛擬變量,例如“性別”變量,可虛擬出“男”和”女”兩個(gè)變量,

1 0
0 1

這里所說(shuō)的虛擬變量陷阱是兩個(gè)或多個(gè)變量高度相關(guān)的情況,簡(jiǎn)單地說(shuō),一個(gè)變量可以從其他變量中預(yù)測(cè)出來(lái),那么這里就有一個(gè)重復(fù)的類(lèi)別,可以去掉一個(gè)變量,節(jié)約內(nèi)存計(jì)算機(jī)內(nèi)存空間,減少計(jì)算量。

本實(shí)例用的數(shù)據(jù)集是50_Startups.csv,

代碼如下:

importnumpyasnp
pipinstallmatplotlib
importmatplotlib.pyplotasplt
importpandasaspd
dataset=pd.read_csv("D:/python/50.csv")
X=dataset.iloc[:,0:4]#0到3列的所有行數(shù)據(jù)(共4列)
X["State"].unique()
y=dataset.iloc[:,4]#第5列的所有行數(shù)據(jù)
pd.get_dummies(X['State'])#離散數(shù)據(jù)轉(zhuǎn)為K維向量
statesdump=pd.get_dummies(X['State'],drop_first=True)#去掉X['State']的第一列數(shù)據(jù)(減少虛擬變量)
X=X.drop('State',axis=1)
X=pd.concat([X,statesdump],axis=1)
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=0)
x_train
#引入線性回歸模型擬合訓(xùn)練集
from sklearn.linear_model import LinearRegression
regressor=LinearRegression()
model=regressor.fit(x_train,y_train)
#預(yù)測(cè)測(cè)試集的結(jié)果
y_predict=regressor.predict(x_test)
from sklearn.metrics import r2_score# 
score1=r2_score(y_test,y_predict)
model.coef_#多元函數(shù)的系數(shù)
model.intercept_#函數(shù)的截距
model.score(X,y)





審核編輯:劉清

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 向量機(jī)
    +關(guān)注

    關(guān)注

    0

    文章

    166

    瀏覽量

    21228
  • 虛擬機(jī)
    +關(guān)注

    關(guān)注

    1

    文章

    966

    瀏覽量

    29374
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8503

    瀏覽量

    134646
  • python
    +關(guān)注

    關(guān)注

    56

    文章

    4827

    瀏覽量

    86794
  • 線性回歸
    +關(guān)注

    關(guān)注

    0

    文章

    41

    瀏覽量

    4444

原文標(biāo)題:機(jī)器學(xué)習(xí)-多元線性回歸數(shù)據(jù)集(50_Startups.csv)及代碼實(shí)現(xiàn)

文章出處:【微信號(hào):智行RFID,微信公眾號(hào):智行RFID】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    matlab回歸分析總結(jié)

    1、多元線性回歸2、多項(xiàng)式回歸3、非線性回歸4、逐步回歸[hide][/hide]
    發(fā)表于 03-20 10:26

    線性回歸的標(biāo)準(zhǔn)方程法使用

    線性回歸-標(biāo)準(zhǔn)方程法示例(python原生實(shí)現(xiàn)
    發(fā)表于 05-07 16:44

    機(jī)器學(xué)習(xí)100天之多元線性回歸

    機(jī)器學(xué)習(xí)100天-多元線性回歸 [代碼實(shí)現(xiàn)細(xì)節(jié)分析]
    發(fā)表于 05-12 15:06

    簡(jiǎn)單線性回歸代碼實(shí)現(xiàn)細(xì)節(jié)分析

    機(jī)器學(xué)習(xí)100天-簡(jiǎn)單線性回歸 [代碼實(shí)現(xiàn)細(xì)節(jié)分析]
    發(fā)表于 05-22 10:16

    回歸算法有哪些,常用回歸算法(3種)詳解

    因變量和自變量之間的關(guān)系實(shí)現(xiàn)對(duì)數(shù)據(jù)的預(yù)測(cè)。例如,對(duì)房?jī)r(jià)估計(jì)時(shí),需要確定房屋面積(自變量)與其價(jià)格(因變量)之間的關(guān)系,可以利用這一關(guān)系來(lái)預(yù)測(cè)給定面積的房屋的價(jià)格。可以有多個(gè)影響因變量的自變量。因此,回歸
    發(fā)表于 07-28 14:36

    TensorFlow csv文件讀取數(shù)據(jù)代碼實(shí)現(xiàn))詳解

    大多數(shù)人了解 Pandas 及其在處理大數(shù)據(jù)文件方面的實(shí)用性。TensorFlow 提供了讀取這種文件的方法。前面章節(jié)中,介紹了如何在 TensorFlow 中讀取文件,本節(jié)將重點(diǎn)介紹如何從 CSV
    發(fā)表于 07-28 14:40

    TensorFlow實(shí)現(xiàn)簡(jiǎn)單線性回歸

    本小節(jié)直接從 TensorFlow contrib 數(shù)據(jù)加載數(shù)據(jù)。使用隨機(jī)梯度下降優(yōu)化器優(yōu)化單個(gè)訓(xùn)練樣本的系數(shù)。實(shí)現(xiàn)簡(jiǎn)單線性
    發(fā)表于 08-11 19:34

    TensorFlow實(shí)現(xiàn)多元線性回歸(超詳細(xì))

    。這里是波士頓房?jī)r(jià)數(shù)據(jù)的多重線性回歸代碼,使用 13 個(gè)輸入特征。波士頓房?jī)r(jià)數(shù)據(jù)
    發(fā)表于 08-11 19:35

    TensorFlow邏輯回歸處理MNIST數(shù)據(jù)

    本節(jié)基于回歸學(xué)習(xí)對(duì) MNIST 數(shù)據(jù)進(jìn)行處理,但將添加一些 TensorBoard 總結(jié)以便更好地理解 MNIST 數(shù)據(jù)。MNIST由h
    發(fā)表于 08-11 19:36

    TensorFlow邏輯回歸處理MNIST數(shù)據(jù)

    本節(jié)基于回歸學(xué)習(xí)對(duì) MNIST 數(shù)據(jù)進(jìn)行處理,但將添加一些 TensorBoard 總結(jié)以便更好地理解 MNIST 數(shù)據(jù)。MNIST由h
    發(fā)表于 08-11 19:36

    如何用C語(yǔ)言實(shí)現(xiàn)一個(gè)簡(jiǎn)單的一元線性回歸算法

    今天我們用C語(yǔ)言實(shí)現(xiàn)一個(gè)簡(jiǎn)單的線性回歸算法;在代碼前面我們?cè)诨仡櫼幌?b class='flag-5'>線性回歸。
    發(fā)表于 07-20 06:34

    使用PyMC3包實(shí)現(xiàn)貝葉斯線性回歸

    1、如何使用PyMC3包實(shí)現(xiàn)貝葉斯線性回歸  PyMC3(現(xiàn)在簡(jiǎn)稱(chēng)為PyMC)是一個(gè)貝葉斯建模包,它使數(shù)據(jù)科學(xué)家能夠輕松地進(jìn)行貝葉斯推斷。  PyMC3采用馬爾可夫鏈蒙特卡羅(MCMC
    發(fā)表于 10-08 15:59

    基于多元線性回歸的阻性和容性電流分解

    基于多元線性回歸的阻性和容性電流分解_韓永森
    發(fā)表于 01-07 17:16 ?2次下載

    基于Weierstrass逼近定理在非線性回歸模型中應(yīng)用

    基于Weierstrass逼近定理,闡釋了將一般非線性回歸模型近似為多項(xiàng)式模型來(lái)處理的數(shù)學(xué)原理,從而引入了把多元線性回歸分析轉(zhuǎn)化為多元線性
    發(fā)表于 01-12 09:59 ?0次下載

    多元線性回歸的特點(diǎn)是什么

    何為多元線性回歸?對(duì)比于前一天學(xué)習(xí)的線性回歸多元線性
    的頭像 發(fā)表于 10-31 10:34 ?1913次閱讀
    <b class='flag-5'>多元</b><b class='flag-5'>線性</b><b class='flag-5'>回歸</b>的特點(diǎn)是什么