一、简单线性回归

        1.原理

               原型公式：         为一条直线

                 拟合：使误差(垂直差)平方和最小

                        使用平方和是因为取的是欧氏距离

         2.Python中的处理

                ①设置工作路径

                ②数据预处理

                        引入常用库、读入数据(自变量+因变量)、分成训练集和测试集

                ③创建和使用回归器

from sklearn.liner_model import LinerReggression    --导入线性回归类
regressor = LinerRegression()    --线性回归对象

regressor.fit(x_train,y_train)    --拟合模型

y_pred = regressor.predict(x_test)    --预测    参数为自变量矩阵

                ④图像绘制

import matplotlib.pyplot as plt    --导入标准绘图库

plt.scatter(x_train,y_train,color = 'red')    --绘制点（x轴数据，y轴数据，着色）
plt.plot(x_train,regressor.predict(x_train), color = 'blue')    --绘制线

plt.title('测试数据与预测数据对比')    --标题
plt.xlable('工作年限')    --x轴标签
plt.ylable('薪水')    --y轴标签

plt.show()    --显示图像

 二、多元线性回归

        1.原理

                原型公式：        多项式

                限定条件：      ①数据是线性的

                                        ②数据要有同样的方差

                                        ③数据要呈现多元正态分布

                                        ④误差相互独立

                                        ⑤无多重共线性（自变量不和其他自变量呈线性关系）

                虚拟变量：将标签进行编码

                         虚拟变量的陷阱：如示例中的情况，纽约州和加州存在互斥关系，其关系可以表达为： ，即两者存在线性关系，不符合 ⑤（无多重共线性）。过多的参数可能造成参数维度溢出，从而造成过度拟合。

                                为解决此问题，进行拟合时，必须省略掉编码组中的一组数据。

        2.建立多元线性回归模型

                ①All-in：将所有数据应用在模型之中

                ②反向淘汰：

                        step1:定义自变量对模型影响力的门槛

                        step2:使用All-in对模型进行拟合

                        step3:使用自变量计算P值（影响力）；若此自变量大于门槛值，则执行step4；否则算法终止

                        step4:移除P值最高的自变量

                        step5:循环step3->step5，直至所有P值小于门槛值

                ③顺向选择：

                        step1:定义自变量对模型影响力的门槛

                        step2:对每个自变量进行简单线性回归拟合，选取其中P值最低的自变量

                        step3:将选取的自变量加入模型，再将剩下的自变量加入模型运算，得到其P值；选取其中最低的P值，若其低于门槛值，则将其加入模型。

                        step4:循环step3->step4，直至所有剩下的自变量的P值大于门槛值

                ④双向淘汰：

                        step1:设置两个门槛值

                        step2:进行顺向选择

                        step3:进行反向淘汰

                        step5:循环step2->step3，直至满足两个门槛值

                ⑤信息量比较：

                        step1:对所有可能的模型进行打分（N个自变量的模型个数为：）

                        step2:选择打分最高的模型

        3.Python处理

                ①数据预处理

                        其中标签项需要进行分类数据处理

from sklearn.preprocessing import LabelEncoder,OneHotEncoder    --导入库
labelencoder_x=LabelEncoder    --编码器对象
x[:,3] = labelencoder_x.fit_transform(x[:,3])    --创建对象
onehotenccoder = OneHotEncoder(categorical_features = [0])  --创建对象
x = onhotencoder.fit_transform(x).toarry()    --转换

                        处理虚拟变量陷阱（实际上库里自带此功能）

x = x[:,1:]    --去除x的第0列

                ②创建回归器并进行拟合

from sklearn.linear_model import LinearRegression    --引入库
regressor = LinearRegression()    --创建对象
regressor.fit(x_train,y_train)    --拟合

y_pred = regressor.predict(x_test)    --预测

                ③统计显著性处理

                        示例为反向淘汰算法

import statsmodels.formula.api as sm    --导入库
x_train = np.append(arr = np.ones(40,1),values = x_train,axis=1)
    --添加一列（为常数项b0乘1，作为一个自变量）
    --np->numpy

x_opt = x_train[:,[0,1,2,3,4,5]]    --最佳选项初始化
regressor_OLS = sm.OLS(endog=y_train,exog=x_opt).fit()    --因变量，自变量(并进行拟合)
regressor_OLS.summary()    --找出最大P值

x_opt = x_train[:,[0,1,3,4,5]]    --剔除2
regressor_OLS = sm.OLS(endog=y_train,exog=x_opt).fit() 
regressor_OLS.summary() 

--反复剔除