iT邦幫忙

2023 iThome 鐵人賽

DAY 9
0
AI & Data

紮實的ML機器學習原理~打造你對資料使用sklearn的靈敏度系列 第 9

DAY 9 「多元線性回歸(Linear Regression)」來做行銷活動預測啦~

  • 分享至 

  • xImage
  •  

多元線性回歸是一種用於預測一個或多個自變量對因變量的影響的統計模型在多元線性回歸中,我們假設因變量與多個自變量之間存在線性關系

基本原理:y=β+β1*x1+β2*x2+β3*x3+...+βn*xn+ε
ε 是誤差項,表示模型無法解釋的部分
多元線性回歸的目標是通過擬合模型找到合適的系數 β 來最小化誤差項 ε

from sklearn.linear_model import LinearRegression
import pandas as pd

# 生成示例數據
data = {'廣告費用': [200, 300, 400, 500, 600],
        '促銷活動': [0, 1, 1, 2, 3],
        '銷售額': [1200, 1400, 1600, 1800, 2000]}
df = pd.DataFrame(data)

# 初始化線性回歸模型
model = LinearRegression()

# 提取特征和目標變量
X = df[['廣告費用', '促銷活動']]
y = df['銷售額']

# 在訓練集上訓練模型
model.fit(X, y)

# 預測銷售額
new_data = pd.DataFrame({'廣告費用': [700], '促銷活動': [4]})
predicted_sales = model.predict(new_data)
print(f'預測的銷售額為:{predicted_sales[0]}')

上一篇
DAY 8 「 SVM(Support Vector Machine)」非線性分類案例 - 圓環數據集和回歸案例 - 波士頓房價預測案例實作~
下一篇
DAY 10 「樸素貝葉斯(Naive Bayes)」來做新聞文本分類啦~
系列文
紮實的ML機器學習原理~打造你對資料使用sklearn的靈敏度30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言