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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 【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 ...

  8. 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 ...

  9. 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

  1. STL 的string类怎么啦?
  2. Checkstyle 简介 以及各版本下载地址
  3. Fabric 代码发布
  4. Hough变换的基本思想
  5. 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...
  6. CheckList 如何梳理可减少上线的验证时间(总结篇)
  7. c语言内循环,C语言循环控制语句
  8. Vue 实践过程中的几个问题
  9. 【分享】用东野圭吾的方式说爱你
  10. iOS APP 逆向安全杂谈
  11. DRF 序列化器(Serializer)
  12. 实验室服务器系统崩溃,选课系统崩溃解救报告
  13. qemu与宿主机网络通信配置
  14. 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
  15. 数据恢复(数据已经恢复)-附带软件Recoverit
  16. boot版本是什么 cent os_Cent OS 7系统目录结构
  17. Vue.js高仿饿了么外卖App学习记录
  18. Python函数 - - reverse()和reversed()
  19. android开发视频资源 电驴10G下载
  20. vista常见故障及解决

热门文章

  1. Python小白的数学建模课-19.网络流优化问题
  2. centos 7(桌面应用)-桌面的应用合集
  3. mysql查询各专业人数_SQL统计各专业学生人数
  4. 微信小程序字母索引菜单
  5. 2022-05-08 基于卷积神经网络ResNet的车型识别(实验)
  6. C语言基础-计算一个整数各个位数之和
  7. 微信小程序存在的风险_警惕,你的微信小程序可能面临着风险!
  8. Android图片压缩尺寸和质量
  9. Vue中如何关闭语法检查
  10. c语言中打印ipv6地址,IPv6地址介绍