【报告】多元线性回归

答题结果

[试题1-答题思路]

1.首先打开终端模拟器，从根目录进入jupyter notebook

2.新开一个终端，创建文件夹/data/lr和/data/ans41,创建文件/data/ans41/ans_ans1.txt

3.在/data/lr目录下下载数据集

4.在jupyter notebook下切换到目录/data/lr，新建一个python3文件，用于编写执行代码

5.读取Advertising.csv数据并绘制TV、radio对应sales的散点图。

1）读入数据并查看前五行

2）查看描述统计

3）绘制TV、radio对应sales的散点图

6.构造训练集和测试集，80%的数据用于训练构建模型，20%的数据用于测试，并绘制测试集sales和模型预测的sales对比折线图，如图所示：并将折线图保存至/data/ans41目录下，取名为line.jpg。

1）删除Number和sales这两列数据得到一个新的二维数组

2）获取原数据中sales这一列作为label

3）将多维数组降维

4）构造训练集（80%）和测试集（20%）

5）构建线性回归模型

6）利用模型进行预测

7）模型评价：绘制测试集sales和模型预测值的对比折线图并保存

8）计算均方根差RMSE来评估模型，并将计算得到的RMSE值保存至/data/ans41/ans_ans1.txt文件中

[试题1-代码-截图]

1.首先打开终端模拟器，从根目录进入jupyter notebook 

2.新开一个终端，创建文件夹/data/lr和/data/ans41,创建文件/data/ans41/ans_ans1.txt 

3.在/data/lr目录下下载数据集 

4.在jupyter notebook下切换到目录/data/lr，新建一个python3文件，用于编写执行代码 

5.读取Advertising.csv数据并绘制TV、radio对应sales的散点图。 

1）读入数据并查看前五行 

2）查看描述统计 

3）绘制TV、radio对应sales的散点图

 6.构造训练集和测试集，80%的数据用于训练构建模型，20%的数据用于测试，并绘制测试集sales和模型预测的sales对比折线图，如图所示：并将折线图保存至/data/ans41目录下，取名为line.jpg。

1）删除Number和sales这两列数据得到一个新的二维数组 

2）获取原数据中sales这一列作为label 

3）将多维数组降维 

4）构造训练集（80%）和测试集（20%） 

5）构建线性回归模型 

6）利用模型进行预测 

7）模型评价：绘制测试集sales和模型预测值的对比折线图并保存 

8）计算均方根差RMSE来评估模型，并将计算得到的RMSE值保存至/data/ans41/ans_ans1.txt文件中

[试题1-运行结果-截图]

1.TV、radio对应sales的散点图

2.测试集sales和模型预测的sales对比折线图

3.RMSE值与保存路径

至此实验结束！