知識點離散數據的處理

若數據存在“序”關系則連續化，如：

否則，轉為K維向量代碼可見本實例中的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的情況，簡單地說，一個變量可以從其他變量中預測出來，那么這里就有一個重復的類別，可以去掉一個變量，節約內存計算機內存空間，減少計算量。

本實例用的數據集是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列的所有行數據（共4列）
X["State"].unique()
y=dataset.iloc[:,4]#第5列的所有行數據
pd.get_dummies(X['State'])#離散數據轉為K維向量
statesdump=pd.get_dummies(X['State'],drop_first=True)#去掉X['State']的第一列數據（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練集
from sklearn.linear_model import LinearRegression
regressor=LinearRegression()
model=regressor.fit(x_train,y_train)
#預測測試集的結果
y_predict=regressor.predict(x_test)
from sklearn.metrics import r2_score# 
score1=r2_score(y_test,y_predict)
model.coef_#多元函數的系數
model.intercept_#函數的截距
model.score(X,y)

審核編輯：劉清