多元线性回归尝试通过一个线性方程来适配观测数据，这个线性方程是在两个及以上的特征和响应之间构建的一个关系。
多元线性回归的实现步骤和简单线性回归很相似，在评价部分有所不同。
可以用来找出预测结果上哪个特征影响力最大，以及变量之间是如何互相关联的。
回归分析的假设前提：
1. 特征值和预测值应该是线性相关的
2. 保持误差项的方差齐性： 即误差项的分散（方差）必须等同
3. 多元正态分布： 假定残差符合正态分布
4. 缺少多重共线性： 假设数据有极少甚至没有多重共线性。当特征不是相互独立时，会引发多重共线性
注意：
过多的变量可能会降低模型的精确度，尤其是如果存在一些对结果无关的变量，或者存在对其他变量造成很大影响的变量时。
可以通过一些方法选择合适的变量：
1. 向前选择法（逐次加使RSS【残差平方和】最小的自变量）
2. 向后选择法 （逐次扔掉p值【一种在原假设为真的前提下出现观察样本以及更极端情况的概率】最大的变量）
3. 向前向后法： 结合向前选择和向后选择法，先使用向前或向后，再使用另外一种方法筛选一遍，直至最后无论怎么筛选模型变量都不再发生变化
虚拟变量陷阱：
虚拟变量是指两个及以上变量之间高度相关的情形。简而言之，就是存在一个能够被其他变量预测出的变量。
eg: 一个特征值为男，女。不加判断定义虚拟变量时会存在连个虚拟变量。但实际情况是可以用是否是女性来定义男性。
可以通过类别变量-1 来剔除重复。假设一个特征值有m 个类别，可以定义m-1个虚拟变量，减掉的可作为参照值
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data = pd.read_csv(r'd:\Users\lulib\Desktop\data.txt',sep='\t')
X = data.iloc[:,:-1].values
Y = data.iloc[:,-1].values
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder = LabelEncoder()
X[: , -1] = labelencoder.fit_transform(X[ : , -1])
onehotencoder = OneHotEncoder(categorical_features = [3]) ## 设置需要虚拟转换的维度索引
X = X[: , 1:] ## 剔除虚拟维度陷阱
from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split( X,Y,test_size = 0.2, random_state = 0)
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train,Y_train)
Y_pred = regressor.predict(X_test)
plt.plot(range(len(Y_pred)),Y_pred,'r-',range(len(Y_test)),Y_test,'b-')可以看到结果并不似很好，初步认为是和变量是否有剔除有关
