Python機器學習項目化教程(微課視頻版)課件 第14章 綜合案例:零售商品銷售額分析與預測_第1頁
Python機器學習項目化教程(微課視頻版)課件 第14章 綜合案例:零售商品銷售額分析與預測_第2頁
Python機器學習項目化教程(微課視頻版)課件 第14章 綜合案例:零售商品銷售額分析與預測_第3頁
Python機器學習項目化教程(微課視頻版)課件 第14章 綜合案例:零售商品銷售額分析與預測_第4頁
Python機器學習項目化教程(微課視頻版)課件 第14章 綜合案例:零售商品銷售額分析與預測_第5頁
已閱讀5頁,還剩14頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

第14章綜合案例分析:零售商品銷售額分析與預測目錄CONTENTS14.1問題描述與分析14.2數(shù)據(jù)探索與預處理14.3特征選擇14.4建立回歸模型14.5超參數(shù)選擇14.6本章小結(jié)14.1問題描述與分析學習基礎(chǔ)學習認知能力信息素養(yǎng)高零售商品的銷售額預測就是一個回歸問題,為了預測商品的銷售額,需要根據(jù)商品的前期銷售情況進行預測,包括商品的類型、銷售價格、商店的地理位置、季節(jié)等屬性特征,而在選擇這些特征建立回歸模型之前,還需要對樣本數(shù)據(jù)進行分析和預處理,為了使這些屬性特征成為建立回歸模型可用的特征,需要對這些屬性值進行數(shù)值化處理、去除空值、缺失值填充等數(shù)據(jù)預處理。機器學習的任務就是根據(jù)數(shù)據(jù)特征,分析輸入的內(nèi)容,判斷它的類別,或者預測其值。前者屬于分類問題,目的是為了尋找決策邊界。后者屬于回歸問題,目的是為了找到最優(yōu)擬合,通過回歸算法得到是一個最優(yōu)擬合線,這個線條可以最好地接近數(shù)據(jù)集中的各個數(shù)據(jù)點。14.2數(shù)據(jù)探索與預處理14.2.1數(shù)據(jù)探索零售商品數(shù)據(jù)來源于Kaggle競賽平臺,測試樣本和訓練樣本分別存儲在train.csv和test.csv文件中,包含12個屬性字段,其屬性描述如表14-1所示。14.2數(shù)據(jù)探索與預處理train=pd.read_csv("./數(shù)據(jù)/train.csv")print(train.head())test=pd.read_csv("./數(shù)據(jù)/test.csv")print(test.head())14.2數(shù)據(jù)探索與預處理pd.set_option('display.max_columns',None)train.csv文件中完整的屬性顯示如下:部分屬性取值如下:14.2數(shù)據(jù)探索與預處理importseabornassnsg=sns.distplot(train["Item_Outlet_Sales"],color='b',rug=True,bins=100)g.set_xlabel("Item_Outlet_Sales")g.set_ylabel("Frequency")plt.show()銷售金額分布情況如圖14-2所示。14.2數(shù)據(jù)探索與預處理14.2.2屬性特征的數(shù)值化對于非數(shù)值型數(shù)據(jù),需要將其轉(zhuǎn)換為數(shù)值型才能作為訓練數(shù)據(jù)的特征。14.2數(shù)據(jù)探索與預處理14.2.3缺失值處理1.缺失值刪除當缺失值的個數(shù)只占整體很小一部分時,可直接刪除缺失值。new_data=train.dropna()#刪除存在缺失值的行print(new_())14.2數(shù)據(jù)探索與預處理2.缺失值填充對于缺失值,可根據(jù)樣本之間的相似性(中心趨勢)和機器學習方法進行填充,常用的填充方法有平均值(Mean)、中位數(shù)(Median)、眾數(shù)(Mode)、kNN、隨機森林等,如表14-2所示。14.2數(shù)據(jù)探索與預處理train['Outlet_Size']=train['Outlet_Size'].fillna(train['Outlet_Size'].mean())#均值填充print(train.head())14.2數(shù)據(jù)探索與預處理(3)kNN填充缺失值就是利用kNN算法選擇近鄰的k個數(shù)據(jù),然后填充它們的均值:feature_name=['Item_Weight','Item_Fat_Content','Item_Visibility','Item_MRP','Outlet_Establishment_Year','Outlet_Size','Outlet_Location_Type','Outlet_Type']X_train=pd.DataFrame(KNN(k=5).fit_transform(X_train),columns=feature_name)print(X_train.head())14.3特征選擇特征工程是機器學習中最重要的環(huán)節(jié),特征的好壞直接影響模型的效果。fromsklearnimportlinear_model,model_selectionX_train=train.loc[:,['Item_Weight','Item_Fat_Content','Item_Visibility','Item_Type','Item_MRP','Outlet_Establishment_Year','Outlet_Size','Outlet_Location_Type','Outlet_Type']]y_train=train.loc[:,['Item_Outlet_Sales']]

print(X_train.head())14.4建立回歸模型14.4.1線性回歸模型sklearn庫提供了LinearRegression線性回歸模型,函數(shù)原型為:sklearn.linear_model.LinearRegression(fit_intercept=True,normalize=False,copy_X=True,n_jobs=1)X=train.loc[:,['Item_Weight','Item_Fat_Content','Item_Visibility','Item_Type','Item_MRP','Outlet_Establishment_Year','Outlet_Size','Outlet_Location_Type','Outlet_Type']]y=train.loc[:,['Item_Outlet_Sales']]X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=5)lr=linear_model.LinearRegression()lr.fit(X_train,y_train)y_pre=lr.predict(X_test)14.4建立回歸模型14.4.2嶺回歸模型sklearn.linear_model.Ridge(alpha=1.0,fit_intercept=True,normalize=False,copy_X=True,max_iter=None,tol=0.001,solver='auto',random_state=None)14.4建立回歸模型14.4.3Lasso回歸模型sklearn.linear_model.Lasso(alpha=1.0,fit_intercept=True,normalize=False,precompute=False,copy_X=True,max_iter=1000,tol=0.0001,warm_start=False,positive=False,random_state=None,selection='cyclic')

precompute:布爾值或者一個序列。是否提前計算Gram矩陣以加速計算。默認值為False。

warm_start:布爾值,是否使用前一次訓練結(jié)果繼續(xù)從頭開始訓練。默認值為False,即重新開始訓練。

positive:布爾值。如果值為True,則強制要求權(quán)重向量的分量都為正數(shù)。默認值為False。

selection:字符串,指定每輪更新時選擇的權(quán)重向量,可以為'cyclic'或者'random'。默認值為'cyclic'。

14.4建立回歸模型14.4.4多項式回歸模型使用Pipeline進行多項式回歸的過程如下:(1)使用PolynomialFeatures生成多項式特征的數(shù)據(jù)集。(2)如果生成數(shù)據(jù)冪特別的大,則特征間的差距就會很大,導致搜索非常慢,可通過StandardScaler()對數(shù)據(jù)歸一化,以減少搜索過程。(3)進行線性回歸。14.5超參數(shù)選擇GridSearchCV分為兩個過程:網(wǎng)格搜索(GridSearch)和交叉驗證(CrossValidation,CV)。網(wǎng)格搜索的是參數(shù),即在

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論