《机器学习项目案例开发》课件 3.1项目3：使用scikit-learn预测广告收入.pptx

人工智能技术与应用项目3：使用scikit-learn预测广告收入

课程概况—基本情况PART01多元线性模型项目概述归一化、标准化和中心化Scikit-learn简介模型的准确率sklearnLinearRegression模型

项目概述项目背景：公司统计了近期公司在微信、微博、电视和其他广告媒体上的投入，现在需要预测在广告媒体上投入多少资金，公司能获得多大的收益。在项目一种我们使用微型的投入预测公司的预期收入，但是公司在微博和其他媒体中也投入资金，现在需要预测在所有这个媒体上投入资金的收益就需要使用多元线性回归模型。数据集：特征：wechat、weibo、others标签：sales

多元线性模型scikit-learn：多元线性回归,也就是回归模型中包含多个自变量。多元线性回归Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python编程语言的免费软件机器学习库，是一个Python的机器学习项目，是一个简单高效的数据挖掘和数据分析工具。基于NumPy、SciPy和matplotlib构建它具有各种分类，回归和聚类、降维、模型选择、预处理六大功能。

归一化Seaborn-distplot：SeabornSeaborn是一种基于matplotlib的图形可视化pythonlibraty。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。distplot：seaborn中的distplot主要功能是绘制单变量的直方图，且还可以在直方图的基础上施加kdeplot和rugplot的部分内容(直方图+核密度估计)。

归一化Seaborn-KDE-直方图：质量分布图-histogram是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。语法sns.distplot(x,kde=False,rug=True)#利用bins可以方便设置矩形条的数量#kde=False关闭核密度分布,rug表示在x轴上每个观测上生成的小细条（边际毛毯）

归一化Seaborn-KDE-直方图：密度图核密度估计是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。是一种从数据样本本身出发研究数据分布特征的方法。核密度图意义可以看作是概率密度图，其纵轴可以粗略看做是数据出现的次数，与横轴围成的面积是1.格式sns.distplot(x,hist=False,rug=True);#关闭直方图，开启rug细条

归一化Seaborn-pairolot-两两关系图：pairolotpairplot中pair是成对的意思，pairplot主要展现的是变量两两之间的关系（线性或非线性，有无较为明显的相关关系核密度图意义格式sns.pairplot(data[[wechat,weibo,others]])sns.pairplot(data,x_vars=[wechat,weibo,others],y_vars=sales,height=4,aspect=1,kind=scatter)

多元线性方程多元线性方程的loss_function：

敬请指导！