机器学习4-多元线性回归：数据集与

机器学习（4）-多元线性回归：数据集与源码下载。博客当中用到的源码与数据集

import numpy as np
import pandas as pd
from sklearn.preprocessing import LabelEncoder OneHotEncoder
from sklearn.model_selection import train_test_split
import statsmodels.formula.api as sm
from sklearn.linear_model import LinearRegression

dataset = pd.read_csv（‘COM.csv‘）
X = dataset.iloc[: :-1].values
y = dataset.iloc[: 4].values
print（“自变量“）
print（X）
print（“...“）
print（“因变量“）
print（y）
print（“...“）


labelencoder_X = LabelEncoder（）
X[: 3] = labelencoder_X.fit_transform（X[: 3]）
onehotencoder = OneHotEncoder（categorical_features = [3]）
X = onehotencoder.fit_transform（X）.toarray（）
float_formatter= lambda X:“%.2f“ % X
np.set_printoptions（formatter={‘float_kind‘:float_formatter}）
print（“转换后的X“）
print（X）
print（“...“）

X = X[: 1:]  #删除某一列   就是删除了第0列
print（X）


X_train X_test y_train y_test = train_test_split（X y test_size = 0.2 random_state = 0）
print（“/X_train/X_test/y_train/y_test“）




regressor = LinearRegression（）
regressor.fit（X_train y_train）


y_pred = regressor.predict（X_test）
print（“包含了的预测结果的向量“）
print（y_pred）



X_train = np.append（arr = np.ones（（40 1））.astype（int） values = X_train axis = 1）


Ximo = X_train
regressor_OLS = sm.OLS（endog = y_train exog = Ximo）.fit（）

print（“第一次的summary“）
print（regressor_OLS.summary（））


Ximo = X_train [: [0 1 3 4 5]]
regressor_OLS = sm.OLS（endog = y_train exog = Ximo）.fit（）
print（“第二次的summary“）
print（regressor_OLS.summary（））

Ximo = X_train [: [0 3 4 5]]
regressor_OLS = sm.OLS（endog = y_train exog = Ximo）.fit（）
print（“第三次的summary“）
print（regressor_OLS.summary（））


Ximo = X_train [: [0 3 5]]
regressor_OLS = sm.OLS（endog = y_train exog = Ximo）.fit（）
print（“第四次的summary“）
print（regressor_OLS.summary（））


Ximo = X_train [: [0 3]]
regressor_OLS = sm.OLS（endog = y_train exog = Ximo）.fit（）
print（“第五次的summary“）
print（regressor_OLS.summary（））

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2408  2018-04-15 11:12  3\COM.csv

     文件       1951  2018-04-15 11:05  3\mlr.py

     目录          0  2018-04-15 11:17  3

----------- ---------  ---------- -----  ----

                 4359                    3