Python实现多元回归实战——商品销售

最新推荐文章于 2024-09-05 23:00:35 发布

mico_cmm

最新推荐文章于 2024-09-05 23:00:35 发布

阅读量1.2k

点赞数 1

分类专栏： Python机器学习

本文链接：https://blog.csdn.net/mico_cmm/article/details/87003846

版权

这篇博客通过分析'Advertising.csv'数据集，详细介绍了如何使用Python进行多元回归实战，以预测商品销售情况。

摘要由CSDN通过智能技术生成

备注：'Advertising.csv'是一个包含200行的商品信息数据（下载地址：在我的资源页面https://download.csdn.net/download/mico_cmm/10952846）。

下面使用该数据进行多元回归分析。

# 多元回归分析
# 加载数据
import pandas as pd
data=pd.read_csv('Advertising.csv')
data.head() # 显示前五行
# print(data)

# 数据特征分析
import matplotlib.pyplot as plt
fig,axes=plt.subplots(1,3,figsize=(9,3))
for n in range(3):
    axes[n].scatter(data.ix[:,n+1],data.ix[:,4])

feature_cols=['TV','Radio','Newspaper']
X=data[feature_cols]
print(X.head()) # 打印前五行数据
print(type(X)) # X的数据类型
print(X.shape) # X的行数、列数

y=data['Sales']
print(y.head())

# 使用交叉验证
from sklearn.model_selection import train_test_split 
# sklearn.cross_validation是sklearn老版本的模块，新版本都迁移到了sklearn.model_selection

X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=1)
print(X_train.shape)