sklearn笔记29 线性回归 天猫双十一销量预测
完整代码 sklearn代码21 2-2020天猫双十一销量
天猫双十一历年销量
数据是曲线的,不是线性的
# 认为天猫销量与年份之间存在函数关系,一元二次,一元三次
导包
import numpy as npimport matplotlib.pyplot as plt
%matplotlib inline
数据
years = np.arange(2009,2020)
years
sales = np.array([0.5,9.36,52,191,352,571,912,1207,1682.69,2135,2684])sales #此时使用的是科学计数法来表示
将数据进行图形展示
plt.scatter(years,sales,c= 'red',marker='*',s=80) # s是用来调节marker的大小的
X = (years-2008).reshape(-1,1)
X
y = sales
y
线性回归处理
from sklearn.linear_model import LinearRegression
线性拟合,偏差较大
lr = LinearRegression(fit_intercept=True)lr.fit(X,y)
# weight 权重
w = lr.coef_
# bias 偏差
b = lr.intercept_
display(w,b)
plt.scatter(years-2008,sales,c= 'red',marker='*',s=80) x = np.linspace(1,12,50)plt.plot(x,w*x + b, c = 'green')
一元二次拟合
X2 = np.concatenate([X**2,X],axis = 1)
X2.shape #属性有两个
# 假定函数是一元二次f(x) = w1*x**2 +w2*x +b
lr = LinearRegression(fit_intercept=True)X2 = np.concatenate([X**2,X],axis = 1)lr.fit(X2,y)
# weight 权重 有多少个属性就有多少个
w1,w2 = lr.coef_
# bias 偏差 有多少个方程就有多少个
b = lr.intercept_
display(w1,w2,b)
plt.scatter(years-2008,sales,c= 'red',marker='*',s=80) x = np.linspace(1,12,50)f = lambda x : w1*x**2 +w2*x + bplt.plot(x,f(x), c = 'green')# 年2009---1
# 2020-----12
print('2020年天猫双十一销量预测:',np.round(f(12),1))
# 假定函数是一元三次f(x) = w1*x**2 +w2*x +b
lr = LinearRegression(fit_intercept=True)X3 = np.concatenate([X**3,X**2,X],axis = 1)lr.fit(X3,y)
# weight 权重 有多少个属性就有多少个
w1,w2,w3 = lr.coef_
# bias 偏差 有多少个方程就有多少个
b = lr.intercept_plt.scatter(years-2008,sales,c= 'red',marker='*',s=80) x = np.linspace(1,12,50)f = lambda x : w1*x**3 +w2*x**2+w3*x + bplt.plot(x,f(x), c = 'green')# 年2009---1
# 2020-----12
print('2020年天猫双十一销量预测:',np.round(f(12),1))
线性回归在公司的使用
#瑞幸咖啡,30K
#本科,华为3年,测试,华为的外包
#线性回归,预测咖啡销量
#提前进货,大概,货物积存,占用现金流# 推荐系统 效益,每日纯公交量500万
# 不好,100万
sklearn笔记29 线性回归 天猫双十一销量预测相关推荐
- 线性回归:天猫双十一销量预测
天猫双十一销量预测 导包 整理历年天猫双十一数据 通过绘制的图我们可以得出结论 二次多项式图像 三次多项式图像 四次多项式图像 结论 进行数据预处理 减小数值 特征衍生 构建模型 方法一:自己构建数学 ...
- sklearn代码21 2-2020天猫双十一销量
# 认为天猫销量与年份之间存在函数关系,一元二次,一元三次 import numpy as npimport matplotlib.pyplot as plt %matplotlib inline y ...
- 数据挖掘学习笔记 5 线性回归知识及预测糖尿病实例
#2018-03-21 16:45:01 March Wednesday the 12 week, the 080 day SZ SSMR http://blog.csdn.net/eastmount ...
- 预测2020年天猫双十一销量 线性回归
# 认为天猫销量和年份之间存在函数关系 一元二次,一元三次 import numpy as npimport matplotlib.pyplot as plt %matplotlib inline y ...
- 线性回归2020年天猫双十一销量
# 认为天猫销量和年份之间存在函数关系 一元二次,一元三次import numpy as np import matplotlib.pyplot as plt %matplotlib inlineye ...
- LinearRegression线性回归进行 天猫预测
线性回归: 最小二乘法公式推导 由上面基本推导公式得,主要是上面第三个 ,视频在逆战班day2 导包: import numpy as np import matplotlib.pyplot as p ...
- 【机器学习个人笔记】part3——用sklearn实现多元线性回归
[机器学习个人笔记]part3--用sklearn实现多元线性回归 简单线性回归可以看做是y = ax + b的函数,多元线性函数则可以看做是y = ax1 + bx2 + cx3 + d的函数. 简 ...
- Python数据挖掘课程 五.线性回归知识及预测糖尿病实例
今天主要讲述的内容是关于一元线性回归的知识,Python实现,包括以下内容: 1.机器学习常用数据集介绍 2.什么是线性回顾 3.LinearRegre ...
- 十一、加权线性回归案例:预测鲍鱼的年龄
加权线性回归案例:预测鲍鱼的年龄 点击文章标题即可获取源代码和笔记 数据集:https://download.csdn.net/download/weixin_44827418/12553408 1. ...
最新文章
- STL 的string类怎么啦?
- Checkstyle 简介 以及各版本下载地址
- Fabric 代码发布
- Hough变换的基本思想
- android tcp判断服务器是否断开,Android tcp客户端连接,然后从java服务器断开连接...
- CheckList 如何梳理可减少上线的验证时间(总结篇)
- c语言内循环,C语言循环控制语句
- Vue 实践过程中的几个问题
- 【分享】用东野圭吾的方式说爱你
- iOS APP 逆向安全杂谈
- DRF 序列化器(Serializer)
- 实验室服务器系统崩溃,选课系统崩溃解救报告
- qemu与宿主机网络通信配置
- JAVA实现诗词_基于jsp的古诗词网站-JavaEE实现古诗词网站 - java项目源码
- 数据恢复(数据已经恢复)-附带软件Recoverit
- boot版本是什么 cent os_Cent OS 7系统目录结构
- Vue.js高仿饿了么外卖App学习记录
- Python函数 - - reverse()和reversed()
- android开发视频资源 电驴10G下载
- vista常见故障及解决