import?numpy?as?np
import?pandas?as?pd
from?sklearn.preprocessing?import?LabelEncoder?OneHotEncoder
from?sklearn.model_selection?import?train_test_split
import?statsmodels.formula.api?as?sm
from?sklearn.linear_model?import?LinearRegression

dataset?=?pd.read_csv（‘COM.csv‘）
X?=?dataset.iloc[:?:-1].values
y?=?dataset.iloc[:?4].values
print（“自變量“）
print（X）
print（“...“）
print（“因變量“）
print（y）
print（“...“）


labelencoder_X?=?LabelEncoder（）
X[:?3]?=?labelencoder_X.fit_transform（X[:?3]）
onehotencoder?=?OneHotEncoder（categorical_features?=?[3]）
X?=?onehotencoder.fit_transform（X）.toarray（）
float_formatter=?lambda?X:“%.2f“?%?X
np.set_printoptions（formatter={‘float_kind‘:float_formatter}）
print（“轉換后的X“）
print（X）
print（“...“）

X?=?X[:?1:]??#刪除某一列???就是刪除了第0列
print（X）


X_train?X_test?y_train?y_test?=?train_test_split（X?y?test_size?=?0.2?random_state?=?0）
print（“/X_train/X_test/y_train/y_test“）




regressor?=?LinearRegression（）
regressor.fit（X_train?y_train）


y_pred?=?regressor.predict（X_test）
print（“包含了的預測結果的向量“）
print（y_pred）



X_train?=?np.append（arr?=?np.ones（（40?1））.astype（int）?values?=?X_train?axis?=?1）


Ximo?=?X_train
regressor_OLS?=?sm.OLS（endog?=?y_train?exog?=?Ximo）.fit（）

print（“第一次的summary“）
print（regressor_OLS.summary（））


Ximo?=?X_train?[:?[0?1?3?4?5]]
regressor_OLS?=?sm.OLS（endog?=?y_train?exog?=?Ximo）.fit（）
print（“第二次的summary“）
print（regressor_OLS.summary（））

Ximo?=?X_train?[:?[0?3?4?5]]
regressor_OLS?=?sm.OLS（endog?=?y_train?exog?=?Ximo）.fit（）
print（“第三次的summary“）
print（regressor_OLS.summary（））


Ximo?=?X_train?[:?[0?3?5]]
regressor_OLS?=?sm.OLS（endog?=?y_train?exog?=?Ximo）.fit（）
print（“第四次的summary“）
print（regressor_OLS.summary（））


Ximo?=?X_train?[:?[0?3]]
regressor_OLS?=?sm.OLS（endog?=?y_train?exog?=?Ximo）.fit（）
print（“第五次的summary“）
print（regressor_OLS.summary（））

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????2408??2018-04-15?11:12??3\COM.csv

?????文件???????1951??2018-04-15?11:05??3\mlr.py

?????目錄??????????0??2018-04-15?11:17??3

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

?????????????????4359????????????????????3