【实验练习】请建立多元回归模型分析电视媒体、广播媒体以及报纸媒体的广告投入与产品销售额之间的模型，并对模型进行预测、评估及优化

题目：

一组Advertising的实验数据，数据包含了200个不同市场的产品销售额，每个销售额对应3中广告媒体投入成本，分别为TV、radio、newspaper。主要属性如下：（1）Number：数据集的编号；（2）TV：电视媒体的广告投入；（3）radio：广播媒体的广告投入；（4）newspaper：报纸媒体的广告投入；（5）sales：商品的销量。

请建立多元回归模型分析电视媒体、广播媒体以及报纸媒体的广告投入与产品销售额之间的模型，并对模型进行预测、评估及优化。

# -*- coding: utf-8 -*- #
"""
@Project    ：MachineLearning_exp 
@File       ：MultipleRegression_adver.py 
@Author     ：ZAY
@Time       ：2023/3/16 11:18
@Annotation : " "
"""

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression # 引用线性回归
from sklearn.model_selection import train_test_split # 对数据进行测试集与训练集的界分，有助于我们评价模型
from sklearn.metrics import mean_squared_error # 引用计算均平方差

data = pd.read_csv(".//Data//Advertising.csv", index_col = 0)
x = data[['TV','radio','newspaper']]
y = data["sales"]
plt.scatter(data["TV"],data["sales"],color='magenta')
plt.xlabel('TV')
plt.ylabel('sales')
plt.title('TV-sales_scatter')
plt.show()
plt.scatter(data["radio"],data["sales"],color='magenta')
plt.xlabel('radio')
plt.ylabel('sales')
plt.title('radio-sales_scatter')
plt.show()
plt.scatter(data["newspaper"],data["sales"],color='magenta')
plt.xlabel('newspaper')
plt.ylabel('sales')
plt.title('newspaper-sales_scatter')
plt.show()
x_train,x_test,y_train,y_test = train_test_split(x,y)
print("训练样本数量：" + str(len(x_train)) + " 测试样本数量：" + str(len(x_test)))
# 初始化模型
model = LinearRegression()
# 训练模型
model.fit(x_train,y_train)
print("斜率：" + str(model.coef_) + "截距：" + str(model.intercept_))
# 预测并计算均方差
print(mean_squared_error(model.predict(x_test),y_test))
print("多元线性回归公式：y=" + str(round(model.coef_[0],3)) + "TV+" + str(round(model.coef_[1],3)) + "radio+" + str(round(model.coef_[2],3)) + "newspaper+" + str(round(model.intercept_,3)))

 进一步优化：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression # 引用线性回归
from sklearn.model_selection import train_test_split # 对数据进行测试集与训练集的界分，有助于我们评价模型
from sklearn.metrics import mean_squared_error # 引用计算均平方差

# 进一步优化 去除newspaper影响较小的自变量
x = data[['TV','radio']]
y = data["sales"]
x_train,x_test,y_train,y_test = train_test_split(x,y)
print("训练样本数量：" + str(len(x_train)) + " 测试样本数量：" + str(len(x_test)))
# 初始化模型
model = LinearRegression()
# 训练模型
model.fit(x_train,y_train)
print("斜率：" + str(model.coef_) + "截距：" + str(model.intercept_))
# 预测并计算均方差
print(mean_squared_error(model.predict(x_test),y_test))
print("多元线性回归公式：y=" + str(round(model.coef_[0],3)) + "TV+" + str(round(model.coef_[1],3)) + "radio+" + str(round(model.intercept_,3)))

散点图如下：

实验结果： 

 训练样本数量：150 测试样本数量：50
斜率：[0.04593059 0.18103463 0.00396352]截距：2.976290441694104
2.268518487412258
多元线性回归公式：y=0.046TV+0.181radio+0.004newspaper+2.976

训练样本数量：150 测试样本数量：50
斜率：[0.04286292 0.19087586]截距：3.337527710795799
4.860875731732358
多元线性回归公式：y=0.043TV+0.191radio+3.338

实验数据请私信，尽力提供！