方程：y=xβ
求解多元線性回歸問題就是求解β：
因為x不一定是方陣，所以不能直接β=x-1y
兩邊同時乘以xt，得到xty=xtxβ
因為xtx是方陣，它的逆是(xtx)-1，所以兩邊同時乘(xtx)-1得到
(xtx)-1xty=β
最小二乘法（又稱最小平方法）是一種數學優化技術。它通過最小化
誤差的平方和尋找資料的最佳
函式匹配
fit_transform
sklearn裡的封裝好的各種演算法都要fit、然後呼叫各種api方法，transform只是其中乙個api方法，所以當你呼叫除transform之外的方法，必須要先fit，為了通用的寫**，還是分開寫比較好
numpy--函式 shape用法
shape函式是numpy.core.fromnumeric中的函式，它的功能是檢視矩陣或者陣列的維數。
建立乙個4×2的矩陣c, c.shape[1] 為第一維的長度，c.shape[0] 為第二維的長度。
numpy.reshape（重塑）
給陣列乙個新的形狀而不改變其資料
建立乙個陣列a，可以看到這是乙個一維的陣列
使用reshape()方法來更改陣列的形狀，可以看到看陣列d成為了乙個二維陣列
多元線性回歸
多元線性回歸的基本原理和基本計算過程與一元線性回歸相同，但由於自變數個數多，計算相當麻煩，一般在實際中應用時都要借助統計軟體。介紹多元線性回歸的一些基本問題。但由於各個自變數的單位可能不一樣，比如說乙個消費水平的關係式中，工資水平 受教育程度 職業 地區 家庭負擔等等因素都會影響到消費水平，而這些影...
多元線性回歸
from numpy import genfromtxt 用來讀取資料轉化為矩陣 from sklearn import linear model 含有回歸的模型 datapath r c users qaq desktop delivery dummy.csv 路徑 deliverydata ge...
多元線性回歸
比如有乙個住房 的資料集，可能會有多個不同的模型用於擬合，選擇之一像是這種二次模型 0 1x 2x2，因為直線並不能很好的擬合這些資料。但是現在如果用二次函式去考慮，可能會想到二次函式在最高點之後會下降，但是 並不會下降，並不合理，那我們可以用 0 1x 2x2 3x3這樣的三次模型。如果像這樣選擇...