线性回归方式与预测实验报告

实 验 地 点学 生 姓 名实 验 日 期

学 院实 验 课 程

班 级 学 号实 验 项 目

同 组 人 数1第组 1.理解线性回归原理

2.熟悉python运用

3.初步掌握线性回归分析与预测

线性回归方式分析广告花费与销售额预测问题

四、实验步骤

1.准备好所需要的库文件

sklearn库:用于计算线性回归模型中的关键参数，并对模型进行检验。 numpy和pandas库:用于数据导入，创建数据表和一些基础的计算工作。 matplotlib库:用于绘制散点图。

2.验证库文件

import csv

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression

3.读取并查看数据表

准备工作完成后，开始读取数据,这里我们使用了一组广告花费和销售额的数据。 将这组数据读取到python中并取名为advertising。

通过head函数查看数据表中前5行的内容。

读取数据表：

advertising=pd.DataFrame(pd.read_excel('advertising.csv'))

advertising.head()

4.设置模型的自变量和因变量

我们希望通过回归模型发现广告成本对于销售额的影响，以及两者间的关系。 下面我们将X设置为cost，Y设置为sales。

并通过shape函数查看了两个变量的行数，共200行，这是我们完整数据表的行数。 X = np.array(advertising[['cost']])

线性回归方式分析与预测一、实验目的

二、实验题目

环 境 参 数成 绩python3实 验 报 告

南研11082018/5/15计算机科学技术学院

海量信息处理与云计算