Machine learning 如何通过机器学习预测员工任务结束日期
下面如何预测，哪种算法最适合 员工有工作活动开始日期和结束日期（列）。 工作表中几乎没有其他列，例如工作复杂性（高和低）、每个活动的子任务数 如何预测开始日期的工作活动结束日期？必须使用哪种ML算法 这是一个现实的用例吗Machine learning 如何通过机器学习预测员工任务结束日期,machine-learning,artificial-intelligence,non-linear-regression,Machine Learning,Artificial Intelligence,Non Linear Regression,下面如何预测，哪种算法最适合 员工有工作活动开始日期和结束日期（列）。 工作表中几乎没有其他列，例如工作复杂性（高和低）、每个活动的子任务数 如何预测开始日期的工作活动结束日期？必须使用哪种ML算法 这是一个现实的用例吗 谢谢 是的，这是一个现实的用例 如果您有一个带标签的数据平均值，您有一个工作表，其中现有任务的员工开始日期和结束日期是已知的，现在您想要预测任何新任务的结束日期，您可以使用多变量线性回归。 有关多变量线性回归的更多信息，请点击以下链接： 不管怎样，不要对这个理论感到困惑。简单
谢谢 是的，这是一个现实的用例 如果您有一个带标签的数据平均值，您有一个工作表，其中现有任务的员工开始日期和结束日期是已知的，现在您想要预测任何新任务的结束日期，您可以使用多变量线性回归。 有关多变量线性回归的更多信息，请点击以下链接： 不管怎样，不要对这个理论感到困惑。简单来说，线性回归是一种建模变量（列）之间关系的方法。单变量线性回归意味着，您试图仅使用一个变量（列）预测结束日期，即案例中的开始日期。如果要使用多个变量（列）预测结束日期，即开始日期、任务复杂性、子任务等；你必须使用多元线性回归。我使用的是房价预测模型 下面是使用python实现一个变量的线性回归，我们将仅使用一个变量预测房价：
import pandas as pd #used for uploading your datasets #you have to import machine learning libraries
import numpy as np #for array
from sklearn import linear_model #for prediction
df = pd.read_csv('/content/MLPractical2 - Sheet1.csv') #you need to upload your file
df
reg = linear_model.LinearRegression()
reg.fit(df[['Area']], df.Price)
reg.predict([[3601]])
import pandas as pd #same as above
import numpy as np
from sklearn import linear_model
df = pd.read_csv('/content/ML_Sheet_2.csv')
df
reg = linear_model.LinearRegression()
reg.fit(df[['Area', 'Bedroooms', 'Age']], df.Price)
reg.predict([[3500, 3, 10]])