目錄
-
- 一： 背景：
- 二：資料概況分析：
- 三：單變量分析：
- 四：相關性分析和可視化：
- 五：回歸分析：
1： 分析的目的：
對各類因素投入産出比做出評估。
2： 分析的資料：
電視廣告，線上，線下，門店内，微信管道等促銷投入和銷售額之間的關系。
3：資料的說明：
4： 分析流程:
1：檢視資料的前5條記錄：
2：檢視資料的基本資訊：
3：統計各個列哪些存在空值，以及空值的數量：
由于缺失的不多，後期考慮直接删除。
1：資料分布資訊：
各個列的最大值，平均值，中位數，衆數等。
2：使用describe不會統計字元串類型的，是以單獨檢視event列：
發現分為四種促銷：
3： 檢視四種促銷分别對應的營業額是多少?
4：檢視四種促銷分别對應的廣告投放量是多少?
5：one hot 編碼：獨熱碼：
注意：對于person來說這種字元串類型的，我們要進行線性分析，肯定要轉化成數字。如果我們使用0 1 2 3 來區分四種，實際上就是付給每個列一個權重，而這些權重會影響我們的分析。是以是不可取的。
獨熱碼是用向量來存儲列，每列的值就是相等的：
而pandas中可以使用get_dummies方法，将其中的字元串類型的列，轉化成啞變量，即獨熱碼的形式存儲。
1： 檢視每個列之間的相關性：
注意：此時求出來的相關性，并不代表一定相關。是否真正的相關，需要我們根據這幾個列，建構線性回歸模型，進行訓練，然後得到權重，我們才能得出結論。
2：檢視與revenue相關的列的排序：
注意sort_values隻有一列也需要指定按照哪一列進行排序。
3：使用seaborn檢視local_TV與銷售額之間的關系：
#可視化分析
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
#線性關系可視化
#斜率與相關系數有關
sns.regplot('local_tv','revenue',store)
發現：local_TV與銷售額之間存在一次線性關系。
4： 檢視人員和銷售額之間的關系：
5： 檢視instore(門店内海報)與限售額之間的關系：
發現是牽強的一次性關系。
1: 去除空值，然後劃分測試集和訓練集：
# 1：導入線性回歸分析的包和劃分測試集和訓練集的包
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: 劃分訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(x, y)
2：進行歸一化和線性模型進行拟合：
# 1: 導入歸一化函數
from sklearn.preprocessing import StandardScaler
# 2：建立歸一化對象
ss = StandardScaler()
# 3：對訓練集進行歸一化處理和訓練
X_train = ss.fit_transform(X_train)
# 4： 對于測試集也進行歸一化
X_test = ss.transform(X_test)
# 1：建立線性模型對象
model = LinearRegression()
# 2：利用訓練集進行拟合
model.fit(X_train, y_train)
# 3：列印自變量系數
print(model.coef_)
# 4： 列印截距
print(model.intercept_)
列印結果：
# 1： 利用測試集進行測試
y_predict = model.predict(X_test)
from sklearn.metrics import mean_squared_error
from math import sqrt
# 2： 擷取均方誤差的開跟值
sqrt(mean_squared_error(y_true=y_test, y_pred=y_predict))