《機(jī)器學(xué)習(xí)項(xiàng)目案例開發(fā)》課件 3.1項(xiàng)目3：使用scikit-learn預(yù)測(cè)廣告收入

人工智能技術(shù)與應(yīng)用項(xiàng)目3：使用scikit-learn預(yù)測(cè)廣告收入課程概況—基本情況PART01多元線性模型項(xiàng)目概述歸一化、標(biāo)準(zhǔn)化和中心化Scikit-learn簡(jiǎn)介模型的準(zhǔn)確率sklearnLinearRegression模型

項(xiàng)目概述項(xiàng)目背景：

公司統(tǒng)計(jì)了近期公司在微信、微博、電視和其他廣告媒體上的投入，現(xiàn)在需要預(yù)測(cè)在廣告媒體上投入多少資金，公司能獲得多大的收益。在項(xiàng)目一種我們使用微型的投入預(yù)測(cè)公司的預(yù)期收入，但是公司在微博和其他媒體中也投入資金，現(xiàn)在需要預(yù)測(cè)在所有這個(gè)媒體上投入資金的收益就需要使用多元線性回歸模型。數(shù)據(jù)集：

特征：wechat、weibo、others標(biāo)簽：sales多元線性模型scikit-learn：多元線性回歸,也就是回歸模型中包含多個(gè)自變量。多元線性回歸Scikit-learn（以前稱為scikits.learn，也稱為sklearn）是針對(duì)Python編程語言的免費(fèi)軟件機(jī)器學(xué)習(xí)庫，是一個(gè)Python的機(jī)器學(xué)習(xí)項(xiàng)目，是一個(gè)簡(jiǎn)單高效的數(shù)據(jù)挖掘和數(shù)據(jù)分析工具。基于NumPy、SciPy和matplotlib構(gòu)建它具有各種分類，回歸和聚類、降維、模型選擇、預(yù)處理六大功能。歸一化Seaborn-distplot：SeabornSeaborn是一種基于matplotlib的圖形可視化pythonlibraty。它提供了一種高度交互式界面，便于用戶能夠做出各種有吸引力的統(tǒng)計(jì)圖表。distplot：seaborn中的distplot主要功能是繪制單變量的直方圖，且還可以在直方圖的基礎(chǔ)上施加kdeplot和rugplot的部分內(nèi)容(直方圖+核密度估計(jì))。歸一化Seaborn-KDE-直方圖：質(zhì)量分布圖-histogram是一種統(tǒng)計(jì)報(bào)告圖，由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布的情況。一般用橫軸表示數(shù)據(jù)類型，縱軸表示分布情況。語法

sns.distplot(x,kde=False,rug=True)#利用bins可以方便設(shè)置矩形條的數(shù)量#kde=False關(guān)閉核密度分布,rug表示在x軸上每個(gè)觀測(cè)上生成的小細(xì)條（邊際毛毯）歸一化Seaborn-KDE-直方圖：密度圖核密度估計(jì)是在概率論中用來估計(jì)未知的密度函數(shù)，屬于非參數(shù)檢驗(yàn)方法之一。是一種從數(shù)據(jù)樣本本身出發(fā)研究數(shù)據(jù)分布特征的方法。核密度圖意義

可以看作是概率密度圖，其縱軸可以粗略看做是數(shù)據(jù)出現(xiàn)的次數(shù)，與橫軸圍成的面積是1.格式sns.distplot(x,hist=False,rug=True);#關(guān)閉直方圖，開啟rug細(xì)條歸一化Seaborn-pairolot-兩兩關(guān)系圖：pairolotpairplot中pair是成對(duì)的意思，pairplot主要展現(xiàn)的是變量?jī)蓛芍g的關(guān)系（線性或非線性，有無較為明顯的相關(guān)關(guān)系核密度圖意義格式sns.pairplot(data[['wechat','weibo','others']])sns.pairplot(data,x_vars=['wechat','weibo','others'],

y_vars='sale