机器学习100天-多元线性回归 [代码实现细节分析]

原始数据：

---

（1）导入库

import pandas as pd
import numpy as np

（2）导入数据集：数据中存在值为0的丢失数据情况

dataset = pd.read_csv('50_Startups.csv')
X = dataset.iloc[ : , :-1].values
Y = dataset.iloc[ : ,  4 ].values

（3）数据预处理：
1:将丢失数据0使用平均值代替

from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values = 0, strategy = "mean", axis = 0)
imputer = imputer.fit(X[:,0:3])
X[:,0:3] = imputer.transform(X[:,0:3])

2:将类别数据数字化

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder = LabelEncoder()
X[: , 3] = labelencoder.fit_transform(X[ : , 3])

3:将类别数字转换为onehot类型

onehotencoder = OneHotEncoder(categorical_features = [3])
X = onehotencoder.fit_transform(X).toarray()

（4）躲避虚拟变量陷阱：丢弃第一列数据，他可以被其他属性预测

X = X[: , 1:]

（5）拆分数据集为训练集和测试集

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state = 0)

（6）在训练集上训练多元线性回归模型

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)

（7）在测试集上预测结果

y_pred = regressor.predict(X_test)

---

多元线性回归：