博客

现有数据集Advertising.csv。数据集包含了200个不同市场的产品销售额，每个销售额对应3种广告媒体投入成本，分别是：TV, radio, 和 newspaper。如果我们能分析出广告媒体投入与销售额之间的关系，我们就可以更好地分配广告开支并且使销售额最大化。

现需要进行如下实验：

1、使用pandas库读取数据集，得到相应矩阵。使用matplotlib库画出：TV、Radio、Newspaper与产品销售额的数据散点图。

具体要求：

1. 结果为一张图，TV, radio, 和 newspaper需要用不同形状的点表示。
2. 图的X轴为广告花费、Y轴为销售额的值。
3. 需要画出虚线形式的网格参考线。

def graph1( data ):
    TV = data.TV
    Radio = data.Radio
    Newspaper = data.Newspaper
    Sales = data.Sales

    plt.scatter(TV, Sales,  c='r',marker='o',label='TV')
    plt.scatter(Radio, Sales,  c='b', marker='x', label='Radio')
    plt.scatter(Newspaper, Sales,  c='y', marker='d', label='Newspaper')
    plt.legend()
    plt.ylabel("销售额",fontproperties=zhfont1)
    plt.xlabel('广告花费',fontproperties=zhfont1)
    plt.grid(linestyle='-.')
    plt.savefig('D://Ml_lab_result/ProblemA_1.png')
    plt.show()

2、 再次使用matplotlib库

分别

画出：TV与产品销售额、 Radio与产品销售额、Newspaper与产品销售额的数据散点图。

具体要求：

1. 结果为三张子图组成的一个大图，分为三行。从上到下的顺序依次为：TV与产品销售额、 Radio与产品销售额、Newspaper与产品销售额的数据散点图。
2. 图的X轴为广告花费、Y轴为销售额的值。
3. 需要画出虚线形式的网格参考线。

def graph2(data):
    TV = data.TV
    Radio = data.Radio
    Newspaper = data.Newspaper
    Sales = data.Sales
    plt.ylabel("销售额", fontproperties=zhfont1)
    plt.figure()
    plt.subplot(311)
    plt.scatter(TV, Sales,  c='r',marker='o')
    plt.grid(linestyle='-.')
    plt.subplot(312)
    plt.scatter(Radio, Sales,  c='b', marker='x')
    plt.grid(linestyle='-.')
    plt.subplot(313)
    plt.scatter(Newspaper, Sales,  c='y', marker='d')
    plt.xlabel('广告花费', fontproperties=zhfont1)
    plt.grid(linestyle='-.')
    plt.savefig('D://Ml_lab_result/ProblemA_2.png')
    plt.show()

从图表可看出Newspaper的投入与产品销售额最无关系。

3、

先对数据进行标准化后

，建立线性回归中的多项式拟合模型，分别采用多项式的次数为

1-9

进行训练。最后根据预测结果与真实结果绘图。

具体要求：

1. 测试集取20%，训练集取80%。因为数据特征有三个（TV,Radio,NewsPaper），无法绘制特征与预测结果的二维图形。因此X轴换为测试样本下标，Y轴为产品销售额。
2. 分别画出9个图，在图中使用绿色线条代表模型针对测试集得出的预测销售额，使用红色线条代表测试集对应的实际产品销售额。图的标题表明线性模型多项式次数。

def mlr(data):
    X = data[['TV','Radio','Newspaper']]
    y = data['Sales']
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2,random_state=1)

    for degree in range(1,10) :
        model = make_pipeline(PolynomialFeatures(degree), LinearRegression())
        model.fit(X_train, y_train)
        y_pred = model.predict(X_test)
        plt.grid()
        plt.plot(range(len(y_pred)),y_pred, c='g',label="predict")
        plt.plot(range(len(y_pred)),y_test, c='r', label="true")
        plt.title("degree %d" % degree)
        plt.legend()
        path_img = 'D://Ml_lab_result/degree_%d.png' % degree
        plt.savefig(path_img)
        plt.show()