机器学习——多元线性回归分析(multiple regression)及应用

1、多元回归分析与简单线性回归区别

多个自变量x

2、多元回归模型

,其中,是参数,是误差值

3、多元回归方程

4、估计多元回归方程

,一个样本被用来计算的点估计

5、估计流程(与简单线性回归类似)


6、估计方法

使sum of squares最小,,运算与简单线性回归类似,涉及线性代数和矩阵代数的运算

7、举例

一家快递公司送货,X1:运输里程;X2:运输次数;Y:总运输时间


8、描述参数含义

:平均每多送1英里,运输时间延长0.0611小时

:平均每多一次运输,运输时间延长0.923小时

9、预测

问题:如果一个运输任务是跑102英里,运输6次,预计时间是多长?

10、如果自变量里面有分类型变量(categorical data),如何处理?

11、关于误差的分布

12、对第一个表格的数据,快递公司运输问题用Python进行代码实现

将运输里程、运输次数、总运输时间按列的形式保存到文件TransportData.csv文件中,如下图:

Python3.5实现代码为:


 
   
   
   
   
  1. #!/usr/bin/env python
  2. # -*- coding:utf-8 -*-
  3. # Author:ZhengzhengLiu
  4. from numpy import genfromtxt #genfromtxt函数创建数组表格数据
  5. import numpy as np
  6. from sklearn import datasets,linear_model
  7. #读取数据,r后边内容当做完整的字符串,忽略里面的特殊字符
  8. dataPath = r'F:\PythonCode\Regresssion\TransportData.csv'
  9. transportData = genfromtxt(dataPath,delimiter= ',') #将路径下的文本文件导入并转化成numpy数组格式
  10. print( "transportData:",transportData)
  11. X = transportData[:,: -1] #取所有行和除了最后一列的所有列作为特征向量
  12. Y = transportData[:, -1] #取所有行和最后一列作为回归的值
  13. print( "X:",X)
  14. print( "Y:",Y)
  15. #建立回归模型
  16. regr = linear_model.LinearRegression()
  17. regr.fit(X,Y)
  18. print( "coefficients:",regr.coef_) #b1,...,bp(与x相结合的各个参数)
  19. print( "intercept:",regr.intercept_) #b0(截面)
  20. x_pred = [ 102, 6]
  21. y_pred = regr.predict(x_pred) #预测
  22. print( "y_pred:",y_pred)
运行结果:


 
   
   
   
   
  1. transportData: [[ 100. 4. 9.3]
  2. [ 50. 3. 4.8]
  3. [ 100. 4. 8.9]
  4. [ 100. 2. 6.5]
  5. [ 50. 2. 4.2]
  6. [ 80. 2. 6.2]
  7. [ 75. 3. 7.4]
  8. [ 65. 4. 6. ]
  9. [ 90. 3. 7.6]
  10. [ 90. 2. 6.4]]
  11. X: [[ 100. 4.]
  12. [ 50. 3.]
  13. [ 100. 4.]
  14. [ 100. 2.]
  15. [ 50. 2.]
  16. [ 80. 2.]
  17. [ 75. 3.]
  18. [ 65. 4.]
  19. [ 90. 3.]
  20. [ 90. 2.]]
  21. Y: [ 9.3 4.8 8.9 6.5 4.2 6.2 7.4 6. 7.6 6.4]
  22. coefficients: [ 0.06231881 0.88000431]
  23. intercept: -0.807517256255
  24. y_pred: [ 10.82902718]
13、当自变量中有分类变量(如:车型)时,多元线性回归处理

将分类变量转化成0,1,2等数字来表示。0:小车,1:SUV,2:卡车,转码格式为:用一个3维数表示,所用车辆类型为1,其余车型为0.

将运输里程、运输次数、运输车型、总运输时间按列的形式保存到文件TransportData2.csv文件中,转码格式如下图:

转码格式:(转化过程,不是最终存储内容)

将转码后的数据保存在TransportData2.csv文件中:


对前面的代码稍作修改即可:


 
   
   
   
   
  1. #!/usr/bin/env python
  2. # -*- coding:utf-8 -*-
  3. # Author:ZhengzhengLiu
  4. #多元线性回归处理自变量中有分类变量
  5. from numpy import genfromtxt #genfromtxt函数创建数组表格数据
  6. import numpy as np
  7. from sklearn import datasets,linear_model
  8. #读取数据,r后边内容当做完整的字符串,忽略里面的特殊字符
  9. dataPath = r'F:\PythonCode\Regresssion\TransportData2.csv'
  10. transportData = genfromtxt(dataPath,delimiter= ',') #将路径下的文本文件导入并转化成numpy数组格式
  11. print( "transportData:",transportData)
  12. X = transportData[:,: -1] #取所有行和除了最后一列的所有列作为特征向量
  13. Y = transportData[:, -1] #取所有行和最后一列作为回归的值
  14. print( "X:",X)
  15. print( "Y:",Y)
  16. #建立回归模型
  17. regr = linear_model.LinearRegression()
  18. regr.fit(X,Y)
  19. print( "coefficients:",regr.coef_) #b1,...,b5(与x相结合的各个参数)
  20. print( "intercept:",regr.intercept_) #b0(截面)
  21. x_pred = [ 102, 6, 0, 0, 1]
  22. y_pred = regr.predict(x_pred) #预测
  23. print( "y_pred:",y_pred)
运行结果:


 
   
   
   
   
  1. transportData: [[ 100. 4. 0. 1. 0. 9.3]
  2. [ 50. 3. 1. 0. 0. 4.8]
  3. [ 100. 4. 0. 1. 0. 8.9]
  4. [ 100. 2. 0. 0. 1. 6.5]
  5. [ 50. 2. 0. 0. 1. 4.2]
  6. [ 80. 2. 0. 1. 0. 6.2]
  7. [ 75. 3. 0. 1. 0. 7.4]
  8. [ 65. 4. 1. 0. 0. 6. ]
  9. [ 90. 3. 1. 0. 0. 7.6]
  10. [ 90. 2. 1. 0. 0. 6.4]]
  11. X: [[ 100. 4. 0. 1. 0.]
  12. [ 50. 3. 1. 0. 0.]
  13. [ 100. 4. 0. 1. 0.]
  14. [ 100. 2. 0. 0. 1.]
  15. [ 50. 2. 0. 0. 1.]
  16. [ 80. 2. 0. 1. 0.]
  17. [ 75. 3. 0. 1. 0.]
  18. [ 65. 4. 1. 0. 0.]
  19. [ 90. 3. 1. 0. 0.]
  20. [ 90. 2. 1. 0. 0.]]
  21. Y: [ 9.3 4.8 8.9 6.5 4.2 6.2 7.4 6. 7.6 6.4]
  22. coefficients: [ 0.05545649 0.69545199 -0.1734737 0.57081602 -0.39734232]
  23. intercept: 0.197201946472
  24. y_pred: [ 9.62913307]

你可能感兴趣的:(面试经验,多元统计分析,多元线性回归,预测,最小二乘法)