（六）机器学习---销售额预测分析（线性回归分析案例）

桃扇骨 2022-12-27 07:23 150阅读 0赞

### 目录 ###

*   *  一： 背景：
     *  二：数据概况分析：
     *  三：单变量分析：
     *  四：相关性分析和可视化：
     *  五：回归分析：

## 一： 背景： ##

1： 分析的目的：

> 对各类因素投入产出比做出评估。

2： 分析的数据：

> 电视广告，线上，线下，门店内，微信渠道等促销投入和销售额之间的关系。

3：数据的说明：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70]  
4： 分析流程:

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 1]

## 二：数据概况分析： ##

1：查看数据的前5条记录：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 2]  
2：查看数据的基本信息：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 3]

3：统计各个列哪些存在空值，以及空值的数量：  
由于缺失的不多，后期考虑直接删除。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 4]

## 三：单变量分析： ##

1：数据分布信息：  
各个列的最大值，平均值，中位数，众数等。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 5]  
2：使用describe不会统计字符串类型的，所以单独查看event列：  
发现分为四种促销：  
![在这里插入图片描述][20201208182707214.png]  
3： 查看四种促销分别对应的营业额是多少?  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 6]  
4：查看四种促销分别对应的广告投放量是多少?  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 7]  
5：one hot 编码：独热码：

> 注意：对于person来说这种字符串类型的，我们要进行线性分析，肯定要转化成数字。如果我们使用0 1 2 3 来区分四种，实际上就是付给每个列一个权重，而这些权重会影响我们的分析。所以是不可取的。

独热码是用向量来存储列，每列的值就是相等的：  
![在这里插入图片描述][20201208183555979.png]  
而pandas中可以使用get\_dummies方法，将其中的字符串类型的列，转化成哑变量，即独热码的形式存储。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 8]

## 四：相关性分析和可视化： ##

1： 查看每个列之间的相关性：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 9]  
注意：此时求出来的相关性，并不代表一定相关。是否真正的相关，需要我们根据这几个列，构建线性回归模型，进行训练，然后得到权重，我们才能得出结论。

2：查看与revenue相关的列的排序：  
注意sort\_values只有一列也需要指定按照哪一列进行排序。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 10]  
3：使用seaborn查看local\_TV与销售额之间的关系：

#可视化分析
    import seaborn as sns
    import matplotlib.pyplot as plt
    %matplotlib inline
    #线性关系可视化
    #斜率与相关系数有关
    sns.regplot('local_tv','revenue',store)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 11]

发现：local\_TV与销售额之间存在一次线性关系。

4： 查看人员和销售额之间的关系：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 12]

5： 查看instore(门店内海报)与限售额之间的关系：  
发现是牵强的一次性关系。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 13]

## 五：回归分析： ##

1: 去除空值，然后划分测试集和训练集：

# 1：导入线性回归分析的包和划分测试集和训练集的包
    from sklearn.linear_model import LinearRegression
    from sklearn.model_selection import train_test_split
    
    # 2：去除存在空值的行
    store.dropna(inplace=True)
    
    y = store['revenue']
    x=store[['local_tv','person','instore']]
    
    # 3: 划分训练集和测试集
    X_train, X_test, y_train, y_test = train_test_split(x, y)

2：进行归一化和线性模型进行拟合：

# 1: 导入归一化函数
    from sklearn.preprocessing import StandardScaler
    # 2：创建归一化对象
    ss = StandardScaler()
    # 3：对训练集进行归一化处理和训练
    X_train = ss.fit_transform(X_train)
    # 4： 对于测试集也进行归一化
    X_test = ss.transform(X_test)
    
    
    # 1：创建线性模型对象
    model = LinearRegression()
    # 2：利用训练集进行拟合
    model.fit(X_train, y_train)
    # 3：打印自变量系数
    print(model.coef_)
    # 4： 打印截距
    print(model.intercept_)

打印结果：

> \[6710.29135963 6076.12144008 3839.33267439\]  
> 38338.199166666665

发现与local\_TV相关性系数是：6710.29135963  
与人数相关性系数是：6076.12144008  
与instore（店内海报）相关性系数是：3839.33267439  
3：验证测试结果：

# 1： 利用测试集进行测试
    y_predict = model.predict(X_test)
    from sklearn.metrics import mean_squared_error
    from math import sqrt
    # 2： 获取均方误差的开跟值
    sqrt(mean_squared_error(y_true=y_test, y_pred=y_predict))

> 5972.683732450352

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70]: /images/20221120/f9ff26020d074a92b23e80784e306290.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 1]: /images/20221120/c49ebdbd4bb544ecbe80c6f436785104.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 2]: /images/20221120/ed23487910964596a5d73bbe6cc247d2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 3]: /images/20221120/be30b8f9aae74547a2fc97b1dd9459d7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 4]: /images/20221120/a8b34b399b124a51aac1dfef0dbc67bb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 5]: /images/20221120/22c905e5c1614763bfb1555ed2381da0.png
[20201208182707214.png]: /images/20221120/6b007e876b504e36948d9e6ffee312a9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 6]: /images/20221120/8a1821dbe4bc477db493dc8601604fa4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 7]: /images/20221120/ff541499c9fa475ba10c87ecc7c21d3e.png
[20201208183555979.png]: /images/20221120/759590a90e874b689189303fc1a076fe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 8]: /images/20221120/6bca69cd840245498b634b3a7cdfec03.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 9]: /images/20221120/794b2ab4376f4338ad389c1133e1be67.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 10]: /images/20221120/8d872bf16f41433396e8c80ad9e0feec.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 11]: /images/20221120/d8f5e934e7334959aa11f44064ceb79a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 12]: /images/20221120/82b1f1742bec4288a6e44b16b0263a73.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 13]: /images/20221120/ec92948b6b204d53993d83631729190a.png