week9

多因子线性回归，逻辑回归。

一、多因子线性回归实战

1.将所有变量给X_multi，除了最后一个因变量y不用

X_multi=data.drop(['price'],axis=1)

2.创建一个新的模型，然后将这些变量和y给模型。

LR_multi=LinearRegression()
LR_multi.fit(X_multi,y)

3.最后将需要预测的x给模型，预先要进行格式化处理。

X_test=np.array(X_test).reshape(1,-1)

4.最后将这个X_test给模型

y_test_predict=LR_multi.predict(X_test)

二、逻辑回归（用于解决简单分类问题的，概率判断属于什么类别）

1.单变量x:

2.多变量：

将元来表达式中的x变成g(x)=a+bx1+cx2 问题变成如何找g(x)? 找到边界函数

模型训练：

from sklearn.linear_model import LogisticRegression
lr_model=LogisticRegression()
lr_model.fit(x,y)

边界函数训练：

theta1,theta2=LR.coef_[0][0],LR.coef_[0][1]
theta0=LR.intercept_[0]

对新数据做预测：

predictions=lr_model.predict(x_new)