投放金额与销售额预测

销售预测

环境说明：

• 项目描述： 投放金额与销售额预测
• 作者： 贪心学院 出品
• 基础环境：Python3.6
• 依赖库：pandas、Matplotlib、sklearn、numpy
• 输入数据： data.txt
• 程序输出目标：要对销售额进行预测
• 模型应用： 线性回归
• 环境安装基本命令： pip install pandas 或 matplotlib 或 sklearn
• 应用软件: jupyter notebook 安装方式 pip install jupyter

代码

#导入库
import pandas as pd
​
from matplotlib import pyplot as plt
from sklearn import linear_model
from sklearn.metrics import mean_squared_error
​
#读取数据
data =pd.read_csv("data.txt")
# print(data)
# dat=np.array(
#     [
#         [1,2,3],[2,3,4]
#     ])
# print(dat.shape[0])

#数据预处理
num=int(data.shape[0]*0.7)
# print(num)
x,y=data[
    ["money"]
],data[
    ["amount"]
]
​
#0.7为训练集
x_train,x_test=x[:num],x[num:]
y_train,y_test=y[:num],y[num:]

#数据探索性分析
plt.scatter(x_train,y_train)
<matplotlib.collections.PathCollection at 0x1e72f95e4a8>

#数据建模
model=linear_model.LinearRegression()
model.fit(x_train,y_train)
LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

#模型评估
predict_test_y=model.predict(x_test)
print("MSE均方误差是：%.2f"%mean_squared_error(y_test,predict_test_y))

#预测
(
import numpy as np
new_x=np.array([[84632]])
pre_y=model.predict(new_x)
print(pre_y)

项目笔记：

• 线性回归模型的加载：

model=linear_model.LinearRegression()

• 数据训练

model.fit(x_train,y_train)

• 数据评估—MSE均方误差

1. 均方误差公式：
2. 均方误差是指参数估计值与参数真值之差平方的期望值，记为MSE。MSE是衡量平均误差的一种较方便的方法，MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。

3. mean_squared_error(y_test,predict_test_y)

    

• 数据预测

pre_y=model.predict(new_x)

回归模型评估：

回归模型评估