您当前的位置: 首页 >  回归

川川菜鸟

暂无认证

  • 5浏览

    0关注

    969博文

    0收益

  • 0浏览

    0点赞

    0打赏

    0留言

私信
关注
热门博文

机器学习(四):多元回归

川川菜鸟 发布时间:2022-08-03 20:45:03 ,浏览量:5

多元回归就像线性回归一样,但是具有多个独立值,这意味着我们试图基于两个或多个变量来预测一个值。

文章目录
    • 一、数据集
    • 二、案例实现

一、数据集

请看下面的数据集,其中包含了一些有关汽车的信息。 在这里插入图片描述 我们可以根据发动机排量的大小预测汽车的二氧化碳排放量,但是通过多元回归,我们可以引入更多变量,例如汽车的重量,以使预测更加准确。

二、案例实现

第一步:读取数据

import pandas
from sklearn import linear_model

df = pandas.read_csv("cars.csv")

df

如下: 在这里插入图片描述 第二步:提取自变量与因变量。

X = df[['Weight', 'Volume']] # 自变量两个
y = df['CO2']

第三步:建立模型并预测

regr = linear_model.LinearRegression() #建立模型
regr.fit(X, y) # 训练

第四步: 预测。 预测重量为 2300kg、排量为 1300ccm 的汽车的二氧化碳排放量:

pre = regr.predict([[2300, 1300]])

print(pre)

结果为:

[107.2087328]

第五步:获取回归的系数。

print(regr.coef_)

如下:

[0.00755095 0.00780526]

结果数组表示重量和排量的系数值:

Weight: 0.00755095
Volume: 0.00780526

这些值告诉我们,如果重量增加 1g,则 CO2 排放量将增加 0.00755095g。

如果发动机尺寸(容积)增加 1 ccm,则 CO2 排放量将增加 0.00780526g。

关注
打赏
1665165634
查看更多评论
立即登录/注册

微信扫码登录

0.0442s