python多项式拟合_一元回归模型在数据挖掘中的实践应用（Python实现）

在做各种运营活动时，非常重要的一个指标是活动落地页的曝光量UV（Unique Visitor，此文中仅考虑曝光和点击的人数，不考虑次数）。而落地页曝光量受两个直接因素的影响，活动链接（或图标）点击量和落地页加载时长。

我们都知道页面加载时长会影响页面曝光量，因为如果在用户有限的等待时间内页面加载不出来，用户会直接退出页面，导致页面曝光量损失。

页面曝光损失率=（活动链接点击量 – 落地页曝光量）/活动链接点击量。

理想情况下，我们希望页面呈现更符合我们的要求，并且页面曝光损失率最低。但现实情况是，页面内容较多导致加载时长变长，页面曝光损失率增加。

如何平衡页面曝光损失率和页面加载时长呢？这就需要预测页面加载时长与页面曝光损失率之间的关系。

____

案例

____

某项活动在2019年7月1日~12月26日间每日的页面曝光损失率与当日平均页面加载时长的关系如下表所示（仅展示部分数据）：

如果想将页面曝光损失率控制在5%以内，则页面加载时长应不超过多少？

____

分析

____

显然我们需要找出页面曝光损失率与页面加载时长之间的关系，预测变量之间的关系一般非回归模型莫属。

1</