问题描述
你所在的公司在电视上做产品广告, 收集到了电视广告投入x(以百万为单位)与产品销售量y(以亿为单位)的数据. 你作为公司的数据科学家, 希望通过分析这些数据, 了解电视广告投入x(以百万为单位)与产品销售量y的关系.
假设x与y的之间的关系是线性的, 也就是说 y = ax + b. 通过线性回归(Linear Regression), 我们就可以得知 a 和 b 的值. 于是我们在未来做规划的时候, 通过电视广告投入x, 就可以预测产品销售量y, 从而可以提前做好生产和物流, 仓储的规划. 为客户提供更好的服务.
数据处理过程及源码
关注GZH：阿旭算法与机器学习，回复：“ML29”即可获取本文数据集、源码与项目文档，欢迎共同学习交流
import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression
data = pd.read_csv("./data/Advertising.csv")
data.head()
| TV | sales | |
| 0 | 230.1 | 22.1 |
| 1 | 44.5 | 10.4 |
| 2 | 17.2 | 9.3 |
| 3 | 151.5 | 18.5 |
| 4 | 180.8 | 12.9 |
data.columns
Index(['TV', 'sales'], dtype='object')
通过数据可视化分析数据
plt.figure(figsize=(16, 8)) plt.scatter(data['TV'], data['sales'], c ='black') plt.xlabel("Money spent on TV ads") plt.ylabel("Sales") plt.show()
训练线性回归模型
X = data['TV'].values.reshape(-1,1) y = data['sales'].values.reshape(-1,1) reg = LinearRegression() reg.fit(X, y)
LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None, normalize=False)
print('a = {:.5}'.format(reg.coef_[0][0])) print('b = {:.5}'.format(reg.intercept_[0])) print("线性模型为: Y = {:.5}X + {:.5} ".format(reg.coef_[0][0], reg.intercept_[0]))
a = 0.047537 b = 7.0326 线性模型为: Y = 0.047537X + 7.0326
可视化训练好的线性回归模型
predictions = reg.predict(X) plt.figure(figsize=(16, 8)) plt.scatter(data['TV'], data['sales'], c ='black') plt.plot(data['TV'], predictions,c ='blue', linewidth=2) plt.xlabel("Money spent on TV ads") plt.ylabel("Sales") plt.show()
结果预测
# 做预测 假设公司希望在下一个季度投一亿元的电视广告, 那么预期的产品销量会是多少呢?
predictions = reg.predict([[100]) print('投入一亿元的电视广告, 预计的销售量为{:.5}亿'.format( predictions[0][0]) )
投入一亿元的电视广告, 预计的销售量为11.786亿
