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

• 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

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

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

import pandas as pd
import  seaborn as sns
import matplotlib.pyplot as plt

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：

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！