python与机器学习实战pdf_Python 数据挖掘与机器学习实战（四）

编者按：本文节选自方巍著《Python数据挖掘与机器学习实战》一书中的部分章节。

3.4　用Python实现多元线性回归

当结果值的影响因素有多个时，可以采用多元线性回归模型。例如，商品的销售额可能与电视广告投入、收音机广告投入和报纸广告投入有关系，可以有：

$Sales=eta_0+eta_1TV+eta_2Radio+eta_3Newspaperquadquadquadquadquadquad(3-7)$

3.4.1　使用pandas读取数据

pandas是一个用于数据探索、数据分析和数据处理的Python库。

import pandas as pd #获取数据 data = pd.read_csv('/home/lulei/Advertising.csv') # 显示前5 项数据 data.head()

这里的Advertising.csv是来自，大家可以自行下载。

上面代码的运行结果如下：

TV Radio Newspaper Sales 0 230.1 37.8 69.2 22.1 1 44.5 39.3 45.1 10.4 2 17.2 45.9 69.3 9.3 3 151.5 41.3 58.5 18.5 4 180.8 10.8 58.4 12.9

上面显示的结果类似一个电子表格，这个结构称为pandas的数据帧（data frame），类型全称是pandas.core.frame.DataFrame。

pandas的两个主要数据结构是Series和DataFrame；Series类似于一维数组，它由一组数据及一组与之相关的数据标签（即索引）组成；DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典。

# 显示最后5 项数据 data.tail()

以上代码的作用是只显示结果的末尾5行，结果如下：

TV Radio Newspaper Sales 195 38.2 3.7 13.8 7.6 196 94.2 4.9 8.1 9.7 197 177.0 9.3 6.4 12.8 198 283.6 42.0 66.2 25.5 199 232.1 8.6 8.7 13.4

查看DataFrame的维度：

data.shape

注意第一列叫索引，和数据库某个表中的第一列类似。结果如下：

（200,4）

3.4.2　分析数据

分析数据的特征：

TV：在电视上投资的广告费用（以千万元为单位）；

Radio：在广播媒体上投资的广告费用；

Newspaper：用于报纸媒体的广告费用；

响应：连续的值；

Sales：对应产品的销量。

在这个案例中，通过不同的广告投入，预测产品销量。因为响应变量是一个连续的值，所以这个问题是一个回归问题。数据集一共有200个观测值，每一组观测对应一个市场的情况。

注意：这里推荐使用的是seaborn包。这个包的数据可视化效果比较