知識點(diǎn)離散數(shù)據(jù)的處理

若數(shù)據(jù)存在“序”關(guān)系則連續(xù)化，如：

否則，轉(zhuǎn)為K維向量代碼可見本實(shí)例中的Pd.get_dummies(X['state'])。但要注意虛擬變量，例如“性別”變量,可虛擬出“男”和”女”兩個變量，

這里所說的虛擬變量陷阱是兩個或多個變量高度相關(guān)的情況，簡單地說，一個變量可以從其他變量中預(yù)測出來，那么這里就有一個重復(fù)的類別，可以去掉一個變量，節(jié)約內(nèi)存計(jì)算機(jī)內(nèi)存空間，減少計(jì)算量。

本實(shí)例用的數(shù)據(jù)集是50_Startups.csv，

代碼如下：

importnumpyasnp
pipinstallmatplotlib
importmatplotlib.pyplotasplt
importpandasaspd
dataset=pd.read_csv("D:/python/50.csv")
X=dataset.iloc[:,0:4]#0到3列的所有行數(shù)據(jù)（共4列）
X["State"].unique()
y=dataset.iloc[:,4]#第5列的所有行數(shù)據(jù)
pd.get_dummies(X['State'])#離散數(shù)據(jù)轉(zhuǎn)為K維向量
statesdump=pd.get_dummies(X['State'],drop_first=True)#去掉X['State']的第一列數(shù)據(jù)（減少虛擬變量）
X=X.drop('State',axis=1)
X=pd.concat([X,statesdump],axis=1)
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=0)
x_train
#引入線性回歸模型擬合訓(xùn)練集
from sklearn.linear_model import LinearRegression
regressor=LinearRegression()
model=regressor.fit(x_train,y_train)
#預(yù)測測試集的結(jié)果
y_predict=regressor.predict(x_test)
from sklearn.metrics import r2_score# 
score1=r2_score(y_test,y_predict)
model.coef_#多元函數(shù)的系數(shù)
model.intercept_#函數(shù)的截距
model.score(X,y)

審核編輯：劉清