基于线性回归的广告投入销售额预测 基于线性回归的广告投入销售额预测 基于线性回归的广告投入销售额预测 基于线性回归的广告投入销售额预测 目录目录基于线性回归的广告投入销售额预测前言基于线性回归的广告投入销量预测导入相关的库读取并查看数据基本情况查看数 据维度查看数据基本统计情况数据可视化经典线性模型建立划分自变量与因变量划分训练集和测试集模型建立查看模型参数模 型预测 前言前言 学习机器学习算法最好的方法就是实战，因此笔者将利用网上的数据资源进行实践，并将实现过程与结果记录于博客中，积累 实战经验，从今天开始更新。 一般学习的第一个算法模型就是经典线性模型了，因此本文将从经典线性模型开始！ 基于线性回归的广告投入销量预测 基于线性回归的广告投入销量预测 某销售公司为了查找某产品的销售额与电视广告投入、收音机广告投入、报纸广告投入之间的关系，提供了过往历史数据请求 进行分析。数据集具体指标说明如下： 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； Sales：对应产品的销量（响应变量） （本文数据来自《Python数据挖掘与机器学习实战》） 导入相关的库 导入相关的库 import pandas as pd import seaborn as sns import matplotlib.pyplot as plt 读取并查看数据基本情况 读取并查看数据基本情况 data = pd.read_csv('Advertising.csv') data.head() 输出结果： 从输出的前5行结果可以看出，第一列为索引列，不纳入数据建模（后续需要去除）；数据共4个变量，其中自变量为“TV”、 “Radio”、“Newspaper”，因变量为“sales”。 接下来去掉数据集中的索引项 data = data.iloc[:,1:] data.head() 输出： 查看数据维度 查看数据维度 data.shape 输出： (200, 4) 结果表明数据集共4个特征、200条记录。 查看数据基本统计情况 查看数据基本统计情况 data.describe() 输出： 

data.info() 输出： 从输出结果看出，数据集不存在缺失值。 数据可视化 数据可视化 sns.pairplot(data,x_vars = ['TV','radio','newspaper'],y_vars = 'sales',height = 4,aspect = 0.8) 输出： 通过绘制每一个维度特征与销售额的散点图，可以大概看出，各种广告投入与销售额成正比。为了进一步查看关系，此处可以 设置seaborn的kind参数，添加一条最佳拟合直线和95%的置信带。 #增加参数kind = 'reg' sns.pairplot(data,x_vars = ['TV','radio','newspaper'],y_vars = 'sales',height = 4,aspect = 0.8,kind = 'reg') 输出： 可以看出”TV“、”radio“和”sales“线性关系较强，而”newspaper“和”sales“的线性关系较弱。 同时销售额是连续型数据，适合用线性回归模型进行拟合。 

经典线性模型建立 经典线性模型建立 划分自变量与因变量 划分自变量与因变量 x = data.iloc[:,:3] y = data.iloc[:,3] 划分训练集和测试集 划分训练集和测试集 from sklearn.model_selection import train_test_split x_train, x_test, y_train, y_test = train_test_split(x,y,test_size = 0.25,random_state = 0) 模型建立 模型建立 from sklearn.linear_model import LinearRegression lm = LinearRegression() lm.fit(x_train, y_train) 输出： LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None, normalize=False) 查看模型参数 查看模型参数 print(lm.intercept_) #截距 print(lm.coef_) #回归系数 输出： 2.8925700511511483 [0.04416235 0.19900368 0.00116268] 将自变量与对应系数进行打包： #zip函数为打包函数 #各指标回归系数 feature = ['TV','Radio','Newspaper'] a = zip(feature,lm.coef_)#python2跟python3有变化 for i in a: print (i) 输出： (‘TV’, 0.04416234661149288) (‘Radio’, 0.1990036804039404) (‘Newspaper’, 0.0011626782879160075) 因此可以得到线性方程为： y = 2.8926 + 0.0442 * TV + 0.1990 * Radio + 0.0012 * Newspaper 查看模型的可决系数R方： from sklearn.metrics import r2_score y_pred1 = lm.predict(x_train) r2_score(y_train, y_pred1) 输出： 0.9072183330817297 R方范围为0~1，越接近1说明模型拟合得越好。 因此结果达到0.9，拟合效果较优。 模型预测 模型预测 #测试集上的预测 y_pred2 = lm.predict(x_test) #可决系数 r2_score(y_test, y_pred2) 输出： 0.8576396745320892 在测试集上的R方也达到0.8以上，结果也较优。 绘制对比曲线 plt.plot(range(len(y_pred2)), y_pred2, color = 'blue', label = 'predict') plt.plot(range(len(y_pred2)),y_test, color = 'red', label = 'test') plt.legend(loc = 'upper right') plt.xlabel("the number of sales") plt.ylabel("value of sales") 

从对比曲线可以看出，两条曲线基本重合！ 以上就是基于线性回归的广告投入销售额预测的完整过程。 （本文数据来自《Python数据挖掘与机器学习实战》） 作者：*蓝天翔*