中，然后通过调用拟合函数找到自变量z数据集与因变量price数据集之间的关 系，我们就可以得到它算出来的截距以及在四个变量上的β值。最后我们可以得 到pice和这四个参数之间的线性模型，这就是我们看到的最终的结果。 1m.intercept_ -15678,742628061467 lm.coef_ array([52.65851272, 4.69878948,81.95906216,33.58258185]) Price =-15678.74 +(52.66)horsepower +(4.70)*curb-weight +(81.96)* engine-size +(33.58)*highway-mpg 如果回归的时候我们发现对应的模型不是线性模型怎么办？例如，像多项式 函数描述的非线性的模型该如何处理？假设y=β0+B1*×+B2*xA2+β3* x八3，这时我们看到的，出现了高次(X平方和×立方)，说明这个模型就不是线性 模型。这时在数学上的处理是引入新的变量，将x2和3引入，分别表示x平方 和x立方，把整个上面的公式就转换成了一个新的多元线性回归模型y=β0+ B1*X+β2*x2+B3*x3,通过这种方式来解决。 三、模型评估和可视化 我们是通过可视化来评估模型的。我们为什么要评估模型，原因是因为我们 想知道开发出来的模型能不能用做预测模型来预测未来的值。在评估的时候，我中，然后通过调用拟合函数找到自变量 瀍 数据集与因变量 瀃瀅濼濶濸 数据集之间的关 系，我们就可以得到它算出来的截距以及在四个变量上的β值。最后我们可以得 到 瀃瀅濼濶濸 和这四个参数之间的线性模型，这就是我们看到的最终的结果。 P瀅濼濶濸 = -15678.74 + (52.66 ) * 濻瀂瀅瀆濸瀃瀂瀊濸瀅 + (4.70) * 濶瀈瀅濵-瀊濸濼濺濻瀇 + (81.96) * 濸瀁濺濼瀁濸-瀆濼瀍濸 + (33.58) * 濻濼濺濻瀊濴瀌-瀀瀃濺 如果回归的时候我们发现对应的模型不是线性模型怎么办？例如，像多项式 函数描述的非线性的模型该如何处理？假设 瀌 = β0 + β1 * 瀋 + β2 * 瀋^2 + β3 * 瀋^3，这时我们看到的，出现了高次(瀋 平方和 瀋 立方)，说明这个模型就不是线性 模型。这时在数学上的处理是引入新的变量，将 瀋2 和 瀋3 引入，分别表示 瀋 平方 和 瀋 立方，把整个上面的公式就转换成了一个新的多元线性回归模型 瀌 = β0 + β1 * 瀋 + β2 * 瀋2 + β3 * 瀋3，通过这种方式来解决。 三、模型评估和可视化 我们是通过可视化来评估模型的。我们为什么要评估模型，原因是因为我们 想知道开发出来的模型能不能用做预测模型来预测未来的值。在评估的时候，我