机器学习简单入门：线性回归

什么是机器学习？

人工智能是一个大的概念，是让机器像人一样思考甚至超越人类；而机器学习是实现人工智能的一种方法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测

初识回归

回归是指确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，通过建立一个回归方程（函数）来估计特征值对应的目标变量的可能取值。

案例

import numpy as np#数学库，主要用于数组计算
#原始数据
X=[ 1 ,2  ,3 ,4 ,5 ,6]
Y=[ 2.6 ,3.4 ,4.7 ,5.5 ,6.47 ,7.8]

#用一次多项式拟合，相当于线性拟合
z1 = np.polyfit(X, Y, 1)#得到回归系数
p1 = np.poly1d(z1)#得到回归方程
print(z1)  
print(p1)  

#作图显示
import matplotlib.pyplot as plt#绘图库
import numpy as np

x = np.arange(1,7)
y = z1[0] * x + z1[1]
plt.figure()
plt.scatter(X, Y)
plt.plot(x, y)
plt.show()

应用场景

预测客户终生价值：

基于老客户历史数据与客户生命周期的关联关系，建立线性回归模型，预测新客户的终生价值，进而开展针对性的活动。

机场客流量分布预测：

以海量机场WiFi数据及安检登机值机数据，通过数据算法实现机场航站楼客流分析与预测。

货币基金资金流入流出预测：

通过用户基本信息数据、用户申购赎回数据、收益率表和银行间拆借利率等信息，对用户的申购赎回数据的把握，精准预测未来每日的资金流入流出情况。

电影票房预测：

依据历史票房数据、影评数据、舆情数据等互联网公众数据，对电影票房进行预测。

我的个人博客网站是：www.coderyyn.cn
上面会不定期分享有关爬虫、算法、环境搭建以及有趣的帖子
欢迎大家一起交流学习

转载请注明