【文件属性】：
文件名称：Linear-Regression:具有特征选择的线性回归
文件大小：287KB
文件格式：ZIP
更新时间：2021-04-19 17:36:45
JupyterNotebook
线性回归
具有特征选择的线性回归
通过拟合独立变量和因变量之间的最佳线性关系来预测目标值。
最小二乘法：y = mx + c
简单LR：仅使用单个独立变量
多个LR：使用多个独立变量时，如果它们具有多个参数，则可以使用梯度下降来降低成本函数
指标：{some imp} MSE：预测输出与实际输出之间的平均平方距离MAE：预测输出与精算输出之间的平均距离{当存在异常值时，我们使用MAE} RMSE：MSE的平方根
代码说明：
从sklearn加载的Boston数据集
检查空值并拆分数据集
使用Extratree classsifer（）{功能选择}查找功能重要性
查找特征之间的相关性
使用chi2方法选择最佳功能{selectKbest}
拟合模型
检查指标值
在这里，我们使用了3种特征选择方法来找到最合适的方法！
【文件预览】：
Linear-Regression-master
----README.md(1023B)
----Linear_Regression_with_Feature_Selection.ipynb(412KB)