怎么用线性回归机器学习数据分析（机器学习中的多元线性回归步骤）

多元线性回归尝试通过用一个线性方程来适配观测数据，这个线性方程是在两个以上（包括两个）的变量和因变量之间构建的一个关系。多元线性回归的实现步骤和机器学习中的简单线性回归步骤很相似，在评价部分有所不同。你可以用它来找出在预测结果上哪个因素影响力最大，以及不同变量是如何相互关联的。

更多说明可以去这篇文章看看：机器学习中的简单线性回归步骤

导入相关库：

导入数据集：

将分类数据数字化：

这里要数字化的上表的State列。先将分类数据标签化：

在对标签进行one-hot编码:

注意，被被编码的列数据已剔除，新的编码数据添加在最前的列中。

避免虚拟变量陷阱：

虚拟变量陷阱指当原特征有m个类别时，如果将其转换成m个虚拟变量，就会导致变量间出现完全共线性的情况。

总结来说就是：当原特征有m个类别时，我们需要将其转换成m-1个虚拟变量。

还有一点需要注意的是，基准类别该如何选择？如果基准类别选择不合理，虚拟变量之间仍然会存在共线性的问题。这里直接给出结论：选择占比最大的类别作为基准类别。假设有a，b，c三个类别，如果基准类别a占比太少，那么即使把a去除，b和c之和也会接近于1。

划分数据集为训练集和测试集：

在sklearn中包含四种评价尺度，分别为mean_squared_error(均方差)、mean_absolute_error(平均绝对值误差)、explained_variance_score(可释方差得分 )和 r2_score(R2 决定系数（拟合优度）)。 这里我们使用 r2_score:

• 模型越好：r2→1
• 模型越差：r2→0

其实在这一步之前应该还有一步模型评估，然而模型评估最后还是得到一个数值，这里

• 1、数据预处理。
• 2、在训练集上训练多元线性回归模型。
• 3、在测试集上预测结果。
• 4、模型评估。
• 5、结果可视化对比。