Python與機(jī)器學(xué)習(xí)（第2版）（微課版） 課件 3-04-多項(xiàng)式回歸預(yù)測(cè)任務(wù)實(shí)施

課程負(fù)責(zé)人：陳清華票房多項(xiàng)式回歸預(yù)測(cè)任務(wù)實(shí)施【數(shù)據(jù)挖掘應(yīng)用】課程觀影數(shù)據(jù)回歸分析知識(shí)與能力目標(biāo)掌握多項(xiàng)式回歸分析方法；會(huì)使用sklearn實(shí)現(xiàn)多項(xiàng)式回歸分析應(yīng)用；會(huì)熟練使用matplotlib進(jìn)行可視化展現(xiàn)；會(huì)按需求展現(xiàn)回歸模型。使用多項(xiàng)式回歸對(duì)票房進(jìn)行預(yù)測(cè)主要內(nèi)容任務(wù)工單引導(dǎo)問題任務(wù)評(píng)價(jià)標(biāo)準(zhǔn)任務(wù)解決方案代碼解析film.txt教學(xué)難點(diǎn)基于放映天數(shù)構(gòu)建多項(xiàng)式特征，并使用sklearn中的線性模型實(shí)現(xiàn)多項(xiàng)式回歸分析。任務(wù)概述

任務(wù)描述：根據(jù)放映天數(shù)，使用多項(xiàng)式回歸分析和預(yù)測(cè)電影日均票房，并用圖的形式展現(xiàn)所到模型的異同。任務(wù)工單010010011001101010100100110110100101110101000100001011011101001010101101010011010010（1）線性回歸與多項(xiàng)式回歸的本質(zhì)區(qū)別是什么？（2）sklearn中如何實(shí)現(xiàn)多項(xiàng)式回歸，實(shí)現(xiàn)方法上與線性回歸有何不同？（3）sklearn中，線性回歸與多項(xiàng)式回歸的實(shí)現(xiàn)又有何共通之處？”

問題引導(dǎo)：任務(wù)概述

任務(wù)評(píng)價(jià)：任務(wù)概述評(píng)價(jià)內(nèi)容評(píng)價(jià)要點(diǎn)分值分?jǐn)?shù)評(píng)定自我評(píng)價(jià)1.任務(wù)實(shí)施數(shù)據(jù)預(yù)處理記錄使用的degree參數(shù)值：________4分導(dǎo)包正確得1分，能正確構(gòu)造多項(xiàng)式特征得2分。Degree正確設(shè)置得1分

模型訓(xùn)練1分代碼正確且順利執(zhí)行得1分

模型展現(xiàn)3分展現(xiàn)原始數(shù)據(jù)完整得1分，展現(xiàn)結(jié)果清晰得1分。結(jié)合展現(xiàn)線性回歸模型得1分2.效果評(píng)估分析模型得準(zhǔn)確性，并得出評(píng)估結(jié)論3分準(zhǔn)確率有提升得1分

3.任務(wù)總結(jié)依據(jù)任務(wù)實(shí)施情況總結(jié)結(jié)論1分總結(jié)內(nèi)容切中本任務(wù)的重點(diǎn)要點(diǎn)得1分

合計(jì)10分

第1行：導(dǎo)入sklearn包中相關(guān)的包第2、3行：設(shè)置x和y的值fromsklearnimportlinear_modelx=df[['放映天數(shù)']]y=df[['日均票房/萬元']]regr=linear_model.LinearRegression()任務(wù)解決方案第5行：一元線性回歸擬合regr.fit(x,y)步驟一：使用一元線性回歸進(jìn)行預(yù)測(cè)第4行：初始化線性回歸模型第2行：構(gòu)造化多項(xiàng)式特征第4行：構(gòu)建回歸模型進(jìn)行擬合poly=PolynomialFeatures(degree=3)xt=poly.fit_transform(x)polymodel=linear_model.LinearRegression(）polymodel.fit(xt,y)任務(wù)解決方案步驟二：使用多項(xiàng)式回歸進(jìn)行預(yù)測(cè)第1行：導(dǎo)入sklearn包中相關(guān)的包fromsklearn.preprocessingimportPolynomialFeatures任務(wù)解決方案plt.scatter(x,y,color=‘black，label=

“原始數(shù)據(jù)”)plt.scatter(x,regr.predict(x),color='red',linewidth=1,

label="線性回歸",marker='*')plt.scatter(x,polymodel.predict(xt),color='blue',linewidth=1,

label="多項(xiàng)式回歸",marker='^')plt.legend(loc=2)步驟三：可視化并比較任務(wù)解決方案x_min=x.values.min()-0.1x_max=x.values.max()+0.1第20、21行：定義界限第20、21行：定義等距序列，最小值是x_min，最大值是x_max，步長(zhǎng)是0.005x_new=np.arange(x_min,x_max,0.005).reshape(-1,1)xt_new=poly.fit_transform(x_new)第22行：定義界限plt.scatter(x,y,color='black',label="原始數(shù)據(jù)")第23行：多項(xiàng)式回歸模型結(jié)果可視化plt.scatter(x_new,regr.predict(x_new),color='red',s=2,linewidth=1,label="線性回歸")步驟四：可視化進(jìn)階第24行：在左上角顯示圖例plt.legend(loc=2)plt.s