将 CSV 加载到 Scikit Learn

Question

我是 python 新手，但我正在尝试使用一堆不同的变量进行回归。到目前为止，我已经把它归结为 Scikit。我一直在寻找几个小时，但似乎无法找到一种方法来导入数据，然后在返回每个变量的系数时对其进行线性回归。任何帮助深表感谢。我有 15 列要针对 X 运行。

X = Margin
Ys = A1, B1, C1, D1 etc. 

示例如下：

Margin,A1
-8,110.7
-10,112
-1,106.7
9,109
-9,107.5
1,108.1
-19,109.2

这是我到目前为止所得到的，我知道它并不多

import pandas as pd

data = pd.read_csv("NBA.csv")

Answer 1

作为机器学习的惯例，我们将 X 视为特征，将 Y 视为目标。

如果要运行线性回归并提取系数，可以执行以下操作：

# import the needed libraries
import pandas as pd
from sklearn.linear_model import LinearRegression

# Import the data
data = pd.read_csv("NBA.csv")

# Specify the features and the target
target = 'Margin'
features = data.columns.tolist() # This is the column names of your data as a list
features.remove(target) # We remove the target from the list of features

# Train the model
model = LinearRegression() # Instantiate the model
model.fit(data[features].values, data[target].values) # fit the model to the data
print(features) # Returns the name of each feature
print(model.coef_) # Returns the coefficients for each feature (in the same order of your features)