前言

之前用過的代碼，現在整理一下。

數據集

鏈接: https://pan.baidu.com/s/1Wd3s22GF98CjSJg-P42S3Q
提取碼: d4rw

程序

from numpy import genfromtxt #genfromtxt函數創建數組表格數據 import numpy as np from sklearn import datasets,linear_model#讀取數據，r后邊內容當做完整的字符串，忽略里面的特殊字符 dataPath = r'data_multi.csv' data_multi = genfromtxt(dataPath,delimiter=',') #將路徑下的文本文件導入并轉化成numpy數組格式 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為特征向量 Y = data_multi[:,-1] #取所有行和最后一列作為回歸的值 print("X:",X) print("Y:",Y)#建立回歸模型 regr = linear_model.LinearRegression() regr.fit(X,Y) print("coefficients:",regr.coef_) #b1,...,bp（與x相結合的各個參數） print("intercept:",regr.intercept_) #b0（截面）

結果展示

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

• 預測

x_pred = [[102,4,6]] y_pred = regr.predict(x_pred) #預測 print("y_pred:",y_pred)

y_pred: [10.47977423]

總結

以上是生活随笔為你收集整理的Python 多元线性回归实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。