“电视、新闻、报纸”-简单机器学习预测未来销售额

用户6719124

发布于 2019-11-17 23:47:12

6910

发布于 2019-11-17 23:47:12

文章被收录于专栏：python pytorch AI机器学习实践 python pytorch AI机器学习实践python pytorch AI机器学习实践

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