《机器学习项目案例开发》课件 1.2使用简单线性回归预测广告收入-数据分析.pptx

人工智能技术与应用1.2使用简单线性回归预测广告投入的收入-数据分析

课程概况—基本情况PART01数据分析项目概述开发流程机器学习

人工智能概述项目背景：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。数据集：特征：wechat、weibo、others标签：sales

处理流程-加载数据加载数据：Pandasread_csv函数：打开CSV文件，返回一个data.frame对象使用head()、info()、describe()函数查看数据：

处理流程-相关性分析数据相关性分析：corr()函数：检查两个变量之间变化趋势的方向以及程度，值范围-1到+1，0表示两个变量不相关，正值表示正相关，负值表示负相关，值越大相关性越。可以使用热力图heatmap来显示相关系数

处理流程-相关性分析数据相关性分析：使用seaborn绘制pairplot图，也可以分析出单个特征和标签之间的一种关系。例如“wechat”微信的投入基本和收益呈现一种线性关系。

处理流程-选取数据选取数据：通过对数据现相关性的分析，我们够可以从数据集中取出“wechat”微型的数据作为X，“sales”作为y建立一个线性模型并训练模型。

处理流程-选取数据选取数据：张量-tensor是现代机器学习的基础。它的核心是一个数据容器，多数情况下，它包含数字，有时候它也包含字符串，但这种情况比较少。因此把它想象成一个数字的水桶。0维度张量--标量--一个数字1维度张量—向量—1维数组—1个人单列或者单行的数据2维度张量—矩阵—2维数组—由行和列构成的数据3维度张量—三个轴(axis)—3阶(Rank)—秩为3的数组*张量的维度为轴，轴的个数为阶，numpy中也叫秩

处理流程-选取数据选取数据：张量-tensor750x7502维度张量黑白照片(750,750)750x7503维度张量彩色照片(750,750,3)750x7504维度张量15秒(4500帧视频)(4500,750,750,3)

处理流程-线性回归线性回归模型：简单线性回归也称为一元线性回归，也就是回归模型中只含一个自变量，否则称为多重线性回归。简单线性回归模型为：y=a*x+b有时候也可这样表述y=weight*x+bias，其中weight-权重，bias-偏置值。我们需要根据给定的y-企业的收入和x-企业的广告收入，去预测w和b，最终得到一个一元线性方程，通过这个方程，可以预测出企业投入的广告资金大概可以获得多大的收益，

处理流程-选取数据选取数据：通过对数据现相关性的分析，我们够可以从数据集中取出“wechat”微型的数据作为X，“sales”作为y建立一个线性模型并训练模型。使用narray转为张量

处理流程-拆分数据集数据集：训练集-----------学生的课本；学生根据课本里的内容来掌握知识。验证集------------作业，通过作业可以知道不同学生学习情况、进步的速度快慢。测试集-----------考试，考的题是平常都没有见过，考察学生举一反三的能力

处理流程-数据归一化数据归一化：在机器学习中，为何要经常对数据做归一化，归一化后加快了梯度下降求最优解的速度。归一化有可能提高精度。我们在这里使用线性归一化。

处理流程-数据归一化数据归一化：min-max标准化（Min-MaxNormalization）归一化也称为离差标准化，是对原始数据的线性变换，使结果值映射到[0-1]之间。转换函数如下：

处理流程-数据归一化数据归一化：min-max标准化（Min-MaxNormalization）归一化也称为离差标准化，是对原始数据的线性变换，使结果值映射到[0-1]之间。转换函数如下：

敬请指导！