【机器学习】线性回归之预测商品的销售额

最新推荐文章于 2023-10-12 01:38:09 发布

Fx_x

最新推荐文章于 2023-10-12 01:38:09 发布

阅读量1.8k

点赞数 3

分类专栏： Machine Learning 文章标签：线性回归

本文链接：https://blog.csdn.net/Fx_2003/article/details/127748201

版权

Machine Learning 专栏收录该内容

4 篇文章 2 订阅

订阅专栏

情境：

一家商店为了扩大销售额，进行了宣传

采用了以下三种方式：

微信：wechat

报纸：newspaper

电视：tv

而销售额：sales（千元）

一、读取数据

数据的读取 pandas 的 read_csv

nidm 阶

shape （200，4）两百行4列

head()前五条数据

tail()后五条数据

import pandas as pd

data = pd.read_csv('./data/advertising.csv')
print(data.ndim) # 维度（阶
print(data.shape) # （200，4） 说明有两百条数据，4列 其中第四列sales作为标签 ，其他三个为特征
data.head() # 显示前五条数据

二、分析数据

1、热度图 heatmap()

# 分析数据
# 可视化数据
# 数据的相关分析

# seaborn 包，这个包数据可视化效果比较好，其实它也属于Matplotlib的内部包，但是需要单独安装

有关seaborn包：

Seaborn的简述_熊️兔的博客-CSDN博客_seaborn

Seaborn详细教程-数据分析必备手册（2万字总结）seaborn中文手册

import matplotlib.pyplot as plt
import seaborn as sns 
# sns.heatmap() 热度图
# cmap：设置颜色带的色系
# annot：是否显示数值注释
sns.heatmap(data.corr(),annot=True,cmap='RdBu_r') # 使用data.corr()计算相关系数
plt.show()

# 相关性越高，颜色越深

可以看出，微信宣传效果比较好

2、散点图

#显示销量和各种广告投放量的散点图
# 参数size,aspect 来调节显示的大小和比例
# kind = 'reg',可以添加一条最佳拟合直线和95%的置信带
sns.pairplot(data,
             x_vars=['wechat', 'newspaper', 'tv'],
             y_vars='sales',
             size=7, aspect=0.9,kind='reg')
plt.show()
# 根据结果可以看出wechat 线性关系比较强

可以看到，wechat的拟合线性比较好

三、特征集和标签集

1、学会查看数据

from IPython.core.display_functions import display

# 线性回归模型
'''
优点：快速并且没有调节参数
缺点：相比其他复杂点的模型，它的预测准确率不高，而且它假设特征和标签之间有线性关系，对一些非线性的关系，不能很好进行数据建模
'''

# drop 默认删除行，删除列的话加上 “axis=1”
X = data.drop('sales',axis=1) # 去掉最后一列标签
print('特征集前五条数据\n',X.head())
y = data['sales'] # 从Dataframe 中选择一个Series
display('标签集前五条',y.head())

2、拆分训练集和测试集

这里用了sklearn的拆分工具

from sklearn.model_selection import train_test_split

# 构建训练集和测试集
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=1,train_size=0.7) # train 0.7,test 0.3
# print(X_train.shape) # (140,3)
# print(X_test.shape) # (60, 3)
display(X_train)

四、线性回归

# sklearn 的线性回归
from sklearn.linear_model import LinearRegression

linreg = LinearRegression()
model = linreg.fit(X_train,y_train)
print("模型：",model)
print(linreg.coef_) # w
print(linreg.intercept_) # b

输出：

模型： LinearRegression()
[0.01170566 0.01323019 0.00058797]
4.599516690419023

五、开始预测

# 预测
y_pred = linreg.predict(X_test)
display(y_pred)

六、评价测度

1、线性回归常用的三种：

平均绝对误差(MAE)
均方误差(MSE)
均方根误差(RMSE)

# RMSE
from sklearn import metrics
import numpy as np

sum = 0
for i in range(len(y_pred)):
    sum += (y_pred[i] - y_test.values[i]) **2

sum_erro = np.sqrt(sum / len(y_test))
print(sum_erro)

# 上面的代码可以直接这样：
print(np.sqrt(metrics.mean_squared_error(y_test, y_pred)))

输出：

1.523063932837681
1.523063932837681

七、模拟效果对比图 ROC曲线

有关ROS曲线：机器学习之ROC曲线_荒野雄兵的博客-CSDN博客_机器学习roc曲线

plt.figure()
plt.plot(range(len(y_pred)), y_pred, 'b', label="predict")
plt.plot(range(len(y_pred)), y_test, 'r', label="test")

# 'upper right', 'upper left',
# 'lower left', 'lower right', 'right',
# 'center left', 'center right', 'lower center',
# 'upper center', 'center'
plt.legend(loc="upper left")  # 显示图中的标签 -->左上角
plt.xlabel("number")
plt.ylabel('value')
plt.show()