機械学習コードの戦闘線形回帰（多変数）（線形回帰）

1.実験目的

Hiring.csvには、候補者の実務経験、筆記試験の結果、個人面接の結果など、会社の採用情報が含まれています。これら3つの要素に基づいて、人事部門が賃金を決定します。このデータを使用して、人事部門が将来の候補者の給与を決定できるように、機械学習モデルを構築する必要があります。この予測給与を使用して、次の候補者の給与を予測します。

（1）2年の実務経験、テストスコア9、面接スコア6
（2）12年の実務経験、テストスコア10、面接スコア10

2.必要なモジュールをインポートしてデータを読み取る

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from word2number import w2n

df = pd.read_csv('hiring.csv')
df

3.データを処理する

3.1。現場でのデジタル化

df.experience = df.experience.fillna('zero')      #NaN统一替换为zero
df

df.experience = df.experience.apply(w2n.word_to_num)    #运用w2n.word_to_num将字母转化为数字
df

3.2。Test_score（10のうち）フィールドNaNは平均に置き換えられます

import math

median_test_score = math.floor(df['test_score(out of 10)'].mean())   #取平均数并向下取整
median_test_score

#输出
7

df['test_score(out of 10)'] = df['test_score(out of 10)'].fillna(median_test_score)    #用平均数填充NaN
df

4.トレーニング+予測

reg = LinearRegression()    #实例化模型
reg.fit(df[['experience','test_score(out of 10)','interview_score(out of 10)']],df['salary($)'])   #训练

reg.coef_     #系数
reg.intercept_   #截距

reg.predict([[2,9,6]])    #预测一
reg.predict([[12,10,10]])  #预测二