#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!