Regressão linear de combate ao código de aprendizado de máquina (multivariável) (regressão linear)

1. Finalidade experimental

Hiring.csv contém informações de recrutamento da empresa, como a experiência de trabalho do candidato, resultados de testes escritos e resultados de entrevistas pessoais. Com base nesses três fatores, os recursos humanos determinarão os salários. Com esses dados, você precisa criar um modelo de aprendizado de máquina para o departamento de recursos humanos para ajudá-los a determinar o salário dos futuros candidatos. Use esse salário previsto para prever o salário dos seguintes candidatos,

(1) 2 anos de experiência profissional, pontuação no teste 9, pontuação na entrevista 6
(2) 12 anos de experiência profissional, pontuação no teste 10, pontuação na entrevista 10

2. Importe os módulos necessários e leia os dados

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. Processe os dados

3.1 Digitalização do campo de experiência

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 O campo Test_score (fora de 10) do campo NaN é substituído pela média

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. Treinamento + previsão

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