机器学习是python使用的一大方向,本文以简单的三种不同销售方式对最终销额的影响为例子,采用MSE均方差进行分析。
机器学习与深度学习一样,仍需要4部法进行分析。即读取数据、构建框架、训练、测试。
下面观察下部分数据。
由图可见,采用三种不同的销售方式,分别对三种不同销售方式进行投资会产生不同的最终销售额。那么是否有一种方法能通过这些样本数据来预测出销售额呢。答案是肯定的。下面开始分步进行介绍。
1. 数据读取部分
本文采用两种不同的方式进行数据读取
首先是pandas法读取,先引入pandas工具包
import pandas as pd
开始数据读取(将csv文件放在创建的.py文件)
将数据文件设定为path
path = '..\\Advertising.csv'
data = pd.read_csv(path) # TV、Radio、Newspaper、Sales
x = data[['TV', 'Radio', 'Newspaper']]
y = data['Sales']
输出读取后的x,y文件查看
print(x)
print(y)
输出的x为
TV Radio Newspaper
0 230.1 37.8 69.2
1 44.5 39.3 45.1
2 17.2 45.9 69.3
3 151.5 41.3 58.5
4 180.8 10.8 58.4
5 8.7 48.9 75.0
6 57.5 32.8 23.5
7 120.2 19.6 11.6
8 8.6 2.1 1.0
9 199.8 2.6 21.2
10 66.1 5.8 24.2
输出的y为
0 22.1
1 10.4
2 9.3
3 18.5
4 12.9
5 7.2
6 11.8
7 13.2
8 4.8
9 10.6
10 8.6
同时为防止出现乱码,在代码中可加入
mpl.rcParams['font.sans-serif'] = ['simHei']
mpl.rcParams['axes.unicode_minus'] = False
也可以用python自带库进行读取,
f = file(path, 'r')
print f
d = csv.reader(f)
for line in d:
print line
f.close()
但推荐使用第一种方法。
接下来开始绘制图像
首先将三种销售方式放在同一张图像上
plt.figure(facecolor='w')
# 图像背景为白色
plt.plot(data['TV'], y, 'ro', label='TV')
# 画出电视广告销售方式的图像,以红色圆圈表示
plt.plot(data['Radio'], y, 'g^', label='Radio')
# 画出广播销售方式的图像,以绿色上三角表示
plt.plot(data['Newspaper'], y, 'mv', label='Newspaer')
# 画出报纸销售方式的图像,以紫色下三角表示
plt.legend(loc='lower right')
# 注释放在下右侧
plt.xlabel('广告花费', fontsize=16)
# 设定x轴标识,16号字体
plt.ylabel('销售额', fontsize=16)
# 设定y轴标识,16号字体
plt.title('广告花费与销售额对比数据', fontsize=18)
# 设定标题标识,18号字体
plt.grid(b=True, ls=':')
# 设置网格线
plt.show()
输出图像为
由图可见在广播和报纸销售方式上进行高投入却不会带来高收益,而销售额的增长却随着电视广告花费的增长而增长,呈正相关。
也可以分别绘制图像
plt.figure(facecolor='w', figsize=(9, 10))
plt.subplot(311)
# 绘制出三行,一列,第一个图像
plt.plot(data['TV'], y, 'ro')
plt.title('TV')
plt.grid(b=True, ls=':')
plt.subplot(312)
# 绘制出三行,一列,第二个图像
plt.plot(data['Radio'], y, 'g^')
plt.title('Radio')
plt.grid(b=True, ls=':')
plt.subplot(313)
plt.plot(data['Newspaper'], y, 'b*')
plt.title('Newspaper')
plt.grid(b=True, ls=':')
plt.tight_layout()
# 紧凑布局
plt.show()
绘制出的图像为:
三种图像的x轴坐标不同,在进行销售额对比方面明显不如第一个图。但这种图像适合单独进行分析,看其整体分布情况。
下面开始训练和测试部分
x_train, x_test, y_train, y_test = train_test_split(x, y, train_size=0.8, random_state=1)
# 训练部分占0.8(80%),打乱随机取样
这里输出一下模型类型和模型的shape
print(type(x_test))
print(x_train.shape, y_train.shape)
<class 'pandas.core.frame.DataFrame'>
(160, 3) (160,)
由于共有200组数据,80%即160组数据。
开始构建模型
linreg = LinearRegression()
# 这里使用线性回归做模型
model = linreg.fit(x_train, y_train)
# 将x和y的训练样本放入到模型中去训练
输出一下模型和模型相关系数
print(model)
print(linreg.coef_, linreg.intercept_)
# 分别输出系数和截距
LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None,
normalize=False)
[0.0468431 0.17854434 0.00258619] 2.9079470208164278
随后为使样本输出图像更好看,进行重新排序
order = y_test.argsort(axis=0)
y_test = y_test.values[order]
# 转移到test上面去重排
x_test = x_test.values[order, :]
# 多行元素放到order上去选
开始进行预测
y_hat = linreg.predict(x_test)
# 进行预测
输出计算系数
mse = np.average((y_hat - np.array(y_test)) ** 2)
# 使用均方差进行分析
rmse = np.sqrt(mse) # Root Mean Squared Error
print('MSE = ', mse, end=' ')
print('RMSE = ', rmse)
print('R2 = ', linreg.score(x_train, y_train))
# score api就是用来算R2的
print('R2 = ', linreg.score(x_test, y_test))
MSE = 1.9918855518287881 RMSE = 1.4113417558581578
R2 = 0.8959372632325174
R2 = 0.8927605914615385
将结果可视化
plt.figure(facecolor='w')
t = np.arange(len(x_test))
plt.plot(t, y_test, 'r-', linewidth=2, label='真实数据')
plt.plot(t, y_hat, 'g-', linewidth=2, label='预测数据')
plt.legend(loc='upper left')
plt.title('线性回归预测销量', fontsize=18)
plt.grid(b=True, ls=':')
plt.show()
结果图像为
这里注意有时模型样本不是越多越好,更具相关性的特征在进行训练时,效果会更好些。
本文分享自 python pytorch AI机器学习实践 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!