Sklearn数据预测

Sklearn预测未来趋势

这里就不多赘述了，预测问题需要根据历史数据来预测未来，因此我们将数据进行切分，历史数据用来训练，未来数据用来预测，直接上！！！

读取数据！

data1 = pd.read_excel("python导学课数据/切分数据/历史购买数据.xlsx")
data2 = pd.read_excel("python导学课数据/切分数据/需要预测数据.xlsx")

进一步来熟悉下数据，我们是根据“商品价格水平”、用户“年龄水平”和“和商铺评分”来预测“用户是否购买”，换句话说，前者相当于是自变量，后者相当于是因变量！

这里的预测采用线性模型逻辑回归进行！

from sklearn.linear_model import LogisticRegression
model = LogisticRegression()  # 创建模型
model.fit(data1[["商品价格水平", "用户年龄水平", "商铺评分"]], data1["用户是否购买"]) # 训练模型

这里就不过多进行说明了， 这个对于初学者来说应该也很容易理解了！输出以下内容说明模型训练完成了！

接下来就是采用训练好的模型进行预测！此处注意预测时不需要输入数据“用户是否购买”！！！

pred = model.predict(data2[["商品价格水平", "用户年龄水平", "商铺评分"]])

得到以下输出证明模型预测完成，这里边有0和1，表示购买和不购买！

接下来需要对预测结果进行评价了！输入数据为用户购买情况的真实数据和预测数据！

from sklearn.metrics import accuracy_score
accuracy_score(data2["用户是否购买"], pred)

得到结果为

到此，预测也就完事了！干杯！