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