影厅观影人数预测

实验要求：

1.读取给定文件中数据集文件。（数据集路径：data/data72160/1_film.csv）

2.绘制影厅观影人数（filmnum）与影厅面积（filmsize）的散点图。

3.绘制影厅人数数据集的散点图矩阵。

4.选取特征变量与相应变量，并进行数据划分。

5.进行线性回归模型训练。

6.根据求出的参数对测试集进行预测。

7.绘制测试集相应变量实际值与预测值的比较。

8.对预测结果进行评价。

from jupyterthemes import jtplot

jtplot.style(theme='monokai')  # 选择一个绘图主题
import matplotlib.pyplot as plt  # 导入matplotlib库
import numpy as np  # 导入numpy库
import pandas as pd  # 导入pandas库

读取给定文件中数据集文件

data = pd.read_csv('../datasets/1_film.csv')
data.head()

	filmnum	filmsize	ratio	quality
0	45	106	17	6
1	44	99	15	18
2	61	149	27	10
3	41	97	27	16
4	54	148	30	8

绘制影厅观影人数（filmnum）与影厅面积（filmsize）的散点图

x = data["filmsize"]
y = data["filmnum"]
plt.figure(figsize=(16, 10))
plt.scatter(x, y)
plt.xlabel('filmsize')  #设置X轴坐标轴标签
plt.ylabel('filmnum')  #设置y轴坐标轴标签
plt.show()

​ ​

绘制影厅人数数据集的散点图矩阵

import seaborn as sns

# 参数说明：
# data指定pairplot()要用到的数据源，hue指定将data中的数据区分显示的依据
# vars指定data中要绘制成散点矩阵图的数据
sns.pairplot(data=data, hue='filmnum', vars=['filmsize', 'quality', 'ratio'], height=4)

<seaborn.axisgrid.PairGrid at 0x1da806af130>

选取特征变量与相应变量，并进行数据划分

from sklearn.linear_model import LinearRegression

result = {}
plt.figure(figsize=(3 * 10, 6))
for i, j in enumerate(data.columns[1:]):
  #     print(i , j) 
  train_y = data["filmnum"]
  train_x = data.loc[:, j].values.reshape(-1, 1)
  linear_model = LinearRegression()  # 构建模型
  linear_model.fit(train_x, train_y)  #训练模型
  score = linear_model.score(train_x, train_y)  # 评估模型
  axes = plt.subplot(1, 3, i + 1)
  plt.scatter(train_x, train_y, color="blue")
  axes.set_title("the result of " + j + " is " + str(score))
  result[j] = score
  plt.xlabel(j)  #设置X轴坐标轴标签
  plt.ylabel('filmnum')  #设置y轴坐标轴标签
  plt.scatter(train_x, train_y)
#     # 画拟合直线
#     k =  linear_model.coef_     # 回归系数
#     b =  linear_model.intercept_   # 截距
#     x = np.linspace(train_x.min(),train_x.max(),100)
#     y = x * k + b
#     plt.plot(x,y,c='red')

# print(result)
import operator

result = sorted(result.items(), key=operator.itemgetter(1), reverse=True)
resMax = result[0]
print("The greatest impact on filmnum is", resMax[0])
print("corresponding coefficient of determination is", resMax[1])

The greatest impact on filmnum is filmsize corresponding coefficient of determination is 0.7805367573872601

from sklearn.model_selection import train_test_split  #导入数据划分包 

y = data["filmnum"].values.reshape(-1, 1)
x = data["filmsize"].values.reshape(-1, 1)
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.5)

进行线性回归模型训练

linear_model = LinearRegression()  # 构建模型
linear_model.fit(train_x, train_y)  # 训练模型

LinearRegression()

根据求出的参数对测试集进行预测

#y_test与y_hat的可视化
y_hat = linear_model.predict(x_test)  # 对测试集的预测

绘制测试集相应变量实际值与预测值的比较

plt.figure(figsize=(10, 6))  # 设置图片尺寸
t = np.arange(len(x_test))  # 创建t变量
plt.plot(t, y_test, 'r', linewidth=2, label='y_test')  # 绘制y_test曲线
plt.plot(t, y_hat, 'b', linewidth=2, label='y_hat')  # 绘制y_hat曲线
plt.show()

​ ​

对预测结果进行评价

from sklearn import metrics
from sklearn.metrics import r2_score

# 拟合优度R2的输出方法一
print("r2:", linear_model.score(x_test, y_test))  # 基于Linear-Regression()的回归算法得分函数，来对预测集的拟合优度进行评价
# 拟合优度R2的输出方法二
print("r2_score:", r2_score(y_test, y_hat))  # 使用metrics的r2_score来对预测集的拟合优度进行评价
# 用scikit-learn计算MAE
print("MAE:", metrics.mean_absolute_error(y_test, y_hat))  # 计算平均绝对误差
# 用scikit-learn计算MSE
print("MSE:", metrics.mean_squared_error(y_test, y_hat))  # 计算均方误差
# # 用scikit-learn计算RMSE
print("RMSE:", np.sqrt(metrics.mean_squared_error(y_test, y_hat)))  # 计算均方根误差

r2: -39.09824185600666 r2_score: -39.09824185600666 MAE: 88.92401507023722 MSE: 8222.95827775469 RMSE: 90.68052865833265