前面我們圖解了簡單線性回歸，也就是只有一個自變量，今天我們來看看自變量有多個的情況，也就是多重線性回歸。

先來個整體視角：

再逐步分解開來：

???????? ?????????????????? ??????????

我們用體重作為因變量，身高作為自變量，并假設(shè)它們之間有某種線性關(guān)系。

???????? ?????????????????????? ????????!

要想得到一個好模型就必須先充分了解數(shù)據(jù)。

在正式訓練模型之前，先來探索分析數(shù)據(jù)。

看，Gender居然也是個重要因素。

當我們將身高與體重繪制成圖表時，我們會發(fā)現(xiàn)呈現(xiàn)出一種線性模式。

然而……當我們考慮性別時……

結(jié)果發(fā)現(xiàn)，即使相同身高，不同性別也會是不同體重。

???????????? ????????????

通過性別來拆分數(shù)據(jù)，我們可以進行兩次獨立的線性回歸。

這兩條線的斜率幾乎相同，這表明行為相似。

但是截距呢？

它們告訴我們起點是不同的基線。

??????????-????????????????

我們可以添加多個變量來進行多重線性回歸。

其核心理論是一樣的：我們?nèi)匀皇褂镁€性函數(shù)來預(yù)測目標變量。

但是，我們可以追蹤N個自變量的值。

因此，在本例中可以同時考慮身高和性別這兩個因素 ?? N=2

?????????? ???? ??????????????????

多重線性回歸（MLR）接受數(shù)值型和類別型變量。

身高是一個數(shù)值型變量——這是一種可以被測量的變量。

性別是一個類別型變量——它將我們的數(shù)據(jù)劃分成不同的組別。

要在模型中使用類別變量，它們必須被編碼成二進制變量。

我們可以很容易地將性別變量轉(zhuǎn)換成一個布爾型變量，用1和0來表示。

?????? ????????????????

我們的回歸方程就像是一個秘密配方。

它告訴我們需要每種成分（變量）的具體量。

身高每增加一個單位，體重也會相應(yīng)增加。

但性別也會影響這種關(guān)系。

因此，我們需要計算各個變量的權(quán)重！

?????????? ??????????????

我們可以使用scikit-learn庫來實現(xiàn)這種多重線性回歸。

代碼非常直觀，我們能夠輕松獲取所有的三個權(quán)重值。

針對這兩種情況，我們將得到一個統(tǒng)一的方程。

當考慮到性別是0或1時，我們實際上會得到兩個方程。

而這兩個方程與我們最初得到的非常相似??

那么，這就是目前關(guān)于線性回歸的所有內(nèi)容了。

本文轉(zhuǎn)載自公眾號人工智能大講堂 

原文鏈接：??https://mp.weixin.qq.com/s/Oi5u10bxsSEkWtKkxOBe9Q???