ML之MLiR:利用多元线性回归法,从大量数据(csv文件)中提取五个因变量(输入运输任务总里程数、运输次数、三种不同的车型,预测需要花费的小时数)来预测一个自变量

简介: ML之MLiR:利用多元线性回归法,从大量数据(csv文件)中提取五个因变量(输入运输任务总里程数、运输次数、三种不同的车型,预测需要花费的小时数)来预测一个自变量


输出结果

image.png

代码设计

1. from numpy import genfromtxt    
2. from sklearn import linear_model
3. 
4. datapath=r"Delivery_Dummy.csv"
5. data = genfromtxt(datapath,delimiter=",") 
6. 
7. x = data[1:,:-1] 
8. y = data[1:,-1]
9. print (x)
10. print (y)
11. 
12. mlr = linear_model.LinearRegression() 
13. 
14. mlr.fit(x, y)  
15. 
16. print (mlr)
17. print ("coef:")
18. print (mlr.coef_)        
19. print ("intercept")
20. print (mlr.intercept_)  
21. 
22. xPredict =  [[120,3,1,0,0]]
23. yPredict = mlr.predict(xPredict)
24. 
25. print ("predict:")
26. print (yPredict)

 

 

 

相关文章

ML之MLiR:利用多元线性回归法,从大量数据(csv文件)中提取五个因变量(输入运输任务总里程数、运输次数、三种不同的车型,预测需要花费的小时数)来预测一个自变量


目录
打赏
0
0
0
0
1043
分享
相关文章
ML之MLiR:利用多元线性回归法,从大量数据(csv文件)中提取五个因变量(输入运输任务总里程数、运输次数、三种不同的车型,预测需要花费的小时数)来预测一个自变量
ML之MLiR:利用多元线性回归法,从大量数据(csv文件)中提取五个因变量(输入运输任务总里程数、运输次数、三种不同的车型,预测需要花费的小时数)来预测一个自变量
ML之MLiR:利用多元线性回归法,从大量数据(csv文件)中提取五个因变量(输入运输任务总里程数、运输次数、三种不同的车型,预测需要花费的小时数)来预测一个自变量
2022-10-26-线性回归分析GDP与公交车数量的关系
2022-10-26-线性回归分析GDP与公交车数量的关系
176 0
2022-10-27-梯度下降法结合线性回归预测公交车数量和GDP关系
2022-10-27-梯度下降法结合线性回归预测公交车数量和GDP关系
96 0
R语言非线性动态回归模型ARIMAX、随机、确定性趋势时间序列预测个人消费和收入、用电量、国际游客数量
R语言非线性动态回归模型ARIMAX、随机、确定性趋势时间序列预测个人消费和收入、用电量、国际游客数量
|
10月前
数据分享|R语言回归模型诊断、离群值分析学生考试成绩、病人医护质量满意度、婴儿死亡率和人均收入、针叶树荫面积数据
数据分享|R语言回归模型诊断、离群值分析学生考试成绩、病人医护质量满意度、婴儿死亡率和人均收入、针叶树荫面积数据
|
10月前
R语言分位数回归预测筛选有上升潜力的股票
R语言分位数回归预测筛选有上升潜力的股票
Python | ARIMA时间序列模型预测航空公司的乘客数量
Python | ARIMA时间序列模型预测航空公司的乘客数量
Python ARIMA时间序列模型预测航空公司的乘客数量
Python ARIMA时间序列模型预测航空公司的乘客数量
一种基于概率倒推的股票数据预测分析方式
一种基于概率倒推的股票数据预测分析方式
一种基于概率倒推的股票数据预测分析方式

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等