首先表達一下自己對多元線性回歸的理解：
方程：
y為正確的結果。p0為常數項，e為誤差，p1,p2,p3等是我們要通過sklearn訓練數據集得出來的回歸系數，x1,x2,x3等是我們訓練集里的特征向量。
這次我用到的數據集是kaggle的入學幾率預測數據集：
去kaggle搜索admission就是了
https://www.kaggle.com/datasets
長這個樣子：
其中Chance of Admit 是最終要自己預測的label
思路非常之簡單，上代碼~
一：數據探索
import pandas as pd import numpy as np import matplotlib.pyplot as plt csv_data = pd.read_csv('./data/Admission_Predict.csv') # 讀取csv文件內容 print(csv_data.info()) # 了解數據表的基本情況：行數、列數、每列的數據類型、數據完整度。可以看到每列都有500行，可以說是沒有缺失值的。 print(csv_data.describe()) # 了解總數、平均值、標准差等一些統計數據 print(csv_data.head()) # 了解數據的模樣~ csv_data.drop('Serial No.',axis=1,inplace=True) # 去掉沒什么用的ID一列 #數據歸一化，簡單地除以它們的最大值... csv_data['GRE Score'] = csv_data['GRE Score']/340 csv_data['TOEFL Score'] = csv_data['TOEFL Score']/120 csv_data['University Rating'] = csv_data['University Rating']/5 csv_data['SOP'] = csv_data['SOP']/5 csv_data['LOR '] = csv_data['LOR ']/5 csv_data['CGPA'] = csv_data['CGPA']/10 #數據探索
運行結果：
二：簡單進行可視化
import seaborn as sns print(csv_data.columns) sns.regplot('GRE Score','Chance of Admit ',data=csv_data)
查看所有特征的聯系：
sns.pairplot(csv_data,diag_kind='kde',plot_kws={'alpha':0.2})
從圖可以看到，的確有那么一點回歸的樣子~
三：模型構建
from sklearn import linear_model features = ['GRE Score', 'TOEFL Score', 'University Rating', 'SOP', 'LOR ', 'CGPA', 'Research',] # 特征選擇 X = csv_data[features].iloc[:420,:-1] Y = csv_data.iloc[:420,-1] #選擇訓練集 X_test = csv_data[features].iloc[420:,:-1] Y_test = csv_data.iloc[420:,-1] #選擇測試集 regr = linear_model.LinearRegression() #構造線性回歸模型 regr.fit(X,Y) #模型訓練 print(regr.predict(X_test)) # 預測 print(list(Y_test)) #答案 print(regr.score(X_test,Y_test)) #准確度
結果：
嘿，達到88%的准確度了呢,有用，開心/
The End~