#Чтобы четко понять следующую математику, code. пожалуйста, посетите предыдущий учебник здесь, посвященный линейной регрессии с одной переменной.

Чтобы быть простым, что такое многомерность, «когда результат зависит от более чем одного параметра», например. Цены на жилье зависят от возраста здания, местоположения, количества спален и других параметров.

поэтому уравнение (y=mx+b) теперь будет выглядеть так:

где m1,m2,m3 - коэффициенты, а x1,x2,x3 - независимые переменные с одним примером, надеюсь, вы лучше понимаете. Мы возьмем само жилье.

рассмотрим эти данные:

Если мы посмотрим, какие параметры влияют на цену, все, как указано выше. площадь, спальня, возраст

Это независимые переменные

В эту цену можно оценить, когда у нас есть более одной функции для рассмотрения.

!!!!!!Вот и все!!!!!!

#Код

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
data = pd.read_csv('housing_prices.csv')
X = data.drop('price',axis='columns')#dropping the price column
y = data.price
model = LinearRegression()
model.fit(X,y)
model.predict([2700,3,13])#any value your choice

Приведенный выше код будет предсказывать цену для площади = 2700, спален = 3,

возраст=13

Следовательно, Готово!

#День 3 #часть 2 Готово!