Python與機(jī)器學(xué)習(xí)（第2版）（微課版） 課件 3-02-一元回歸預(yù)測(cè)任務(wù)實(shí)施

課程負(fù)責(zé)人：陳清華【數(shù)據(jù)挖掘應(yīng)用】課程觀影數(shù)據(jù)回歸分析票房線(xiàn)性回歸預(yù)測(cè)任務(wù)實(shí)施會(huì)熟練從CSV文件中讀取數(shù)據(jù)；會(huì)使用sklearn對(duì)觀影數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；會(huì)使用sklearn實(shí)現(xiàn)一元線(xiàn)性回歸分析應(yīng)用；會(huì)對(duì)回歸模型進(jìn)行評(píng)估。能力目標(biāo)主要內(nèi)容任務(wù)工單引導(dǎo)問(wèn)題任務(wù)評(píng)價(jià)標(biāo)準(zhǔn)任務(wù)解決方案代碼解析使用一元線(xiàn)性回歸對(duì)票房進(jìn)行預(yù)測(cè)film.txt教學(xué)難點(diǎn)任務(wù)工單使用一元線(xiàn)性回歸對(duì)兩項(xiàng)數(shù)據(jù)進(jìn)行簡(jiǎn)要的相關(guān)性分析，探討是否可以通過(guò)放映天數(shù)來(lái)預(yù)測(cè)電影的票房。任務(wù)概述

任務(wù)描述：使用read_csv()從文件中讀取數(shù)據(jù)后，在數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)清洗和篩選的基礎(chǔ)上，準(zhǔn)備好放映天數(shù)及日均票房數(shù)據(jù)。將數(shù)據(jù)放入構(gòu)建一元線(xiàn)性回歸模型進(jìn)行訓(xùn)練，最后用來(lái)預(yù)測(cè)電影日均票房。010010011001101010100100110110100101110101000100001011011101001010101101010011010010（1）查閱相關(guān)資料，明確本任務(wù)數(shù)據(jù)讀取應(yīng)該選用什么樣的工具包？（2）獲取的數(shù)據(jù)后，應(yīng)該使用什么樣的數(shù)據(jù)類(lèi)型存儲(chǔ)？每條記錄不同字段的數(shù)據(jù)類(lèi)型分別是什么？（3）如何根據(jù)已有的字段獲取其他特征，比如從“上映時(shí)間”和“閉映時(shí)間”來(lái)獲得“放映天數(shù)”？（4）線(xiàn)性回歸模型初始化時(shí)，哪些參數(shù)需要設(shè)置，默認(rèn)參數(shù)值分別是什么？（5）sklearn中如何訓(xùn)練得到相應(yīng)的模型參數(shù)值？（6）如何獲取訓(xùn)練好的模型中的參數(shù)？參數(shù)的取值有何物理意義？（7）如何評(píng)估訓(xùn)練所得的模型準(zhǔn)確性？”

問(wèn)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)讀取與展現(xiàn)2分?jǐn)?shù)據(jù)正確顯示得2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分可展現(xiàn)得1分，展現(xiàn)完整得1分，展現(xiàn)結(jié)果清晰得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分能正確展現(xiàn)評(píng)估結(jié)果得1分，準(zhǔn)確率效果評(píng)估結(jié)果90%以上得2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pandas包，并給出別名pd。第2行：讀取film.txt中的數(shù)據(jù)importpandas

aspddf=pd.read_csv('film.txt',delimiter=';')df=df[['上映時(shí)間','閉映時(shí)間','票房/萬(wàn)元']]第3行：篩選指定內(nèi)容列任務(wù)解決方案步驟一：數(shù)據(jù)讀取與整理。df=df.dropna()第4行：去除帶有空值得行任務(wù)解決方案第7行：計(jì)算電影放映天數(shù)df['放映天數(shù)']=(df['閉映時(shí)間']-df['上映時(shí)間']).dt.days+1第5、6行：將上映時(shí)間和閉映時(shí)間換為時(shí)間類(lèi)型df['上映時(shí)間']=pd.to_datetime(df['上映時(shí)間’])df['閉映時(shí)間']=pd.to_datetime(df['閉映時(shí)間'])第8行：將票房數(shù)據(jù)轉(zhuǎn)換為浮點(diǎn)型df['票房/萬(wàn)元']=df['票房/萬(wàn)元'].astype(float)第9行：計(jì)算日均票房df['日均票房/萬(wàn)元']=df['票房/萬(wàn)元']/df['放映天數(shù)']步驟一：讀取與數(shù)據(jù)整理。任務(wù)解決方案df=df.reset_index(drop=True)df.head()數(shù)據(jù)顯示第10、11行：重置索引列，不添加新的列步驟一：讀取與數(shù)據(jù)整理。第12行：導(dǎo)入linear_model包。第13、14行：設(shè)置x和y的值。from

sklearn

import

linear_modelx=df[['放映天數(shù)']]y=df[['日均票房/萬(wàn)元']]regr=linear_model.LinearRegression()任務(wù)解決方案第16行：擬合regr.fit(x,y)步驟二：使用一元線(xiàn)性回歸進(jìn)行分析第15行：初始化線(xiàn)性回歸模型任務(wù)解決方案import

matplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False第14、15、16行：導(dǎo)入繪圖包，重命名為plt；設(shè)置字體等參數(shù)。第17、18、19、20行：設(shè)置圖表標(biāo)題、軸標(biāo)簽。步驟三：可視化展現(xiàn)plt.title('放映天數(shù)與票房關(guān)系圖（一元線(xiàn)性回歸）')plt.xlabel('放映天數(shù)’)plt.ylabel('日均票房/萬(wàn)元')plt.scatter(x,y,color='black')第21行：畫(huà)出預(yù)測(cè)點(diǎn)，預(yù)測(cè)點(diǎn)顏色為紅色。plt.scatter(x,regr.predict(x),color='red',linewidth=1,marker='*’)plt.legend(['原始值','預(yù)測(cè)值'],loc=