机器学习入门——线性回归预测广告投入数据集

转载

于 2019-03-31 23:21:00 发布 · 2.9k 阅读

19 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/baby-lily/p/10633474.html

文章标签：

#数据结构与算法 #人工智能 #python

本文介绍了使用线性回归模型分析Advertising数据集的过程，该数据集涉及广告在TV，Radio，Newspaper三个媒体上的投入与收益。通过Python加载数据，观察各变量间的相关性，并构建线性回归模型进行预测。最终，模型的均方差MSE为1.9734，RMSE为1.404，展示了模型的预测效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

0.Advertising数据集

　　Advertising数据集是关于广告收益与广告在不同的媒体上投放的相关数据，分别是在TV，Radio，Newspaper三种媒体上投放花费与，投放所产生的收益的数据，数据共有200条，数据的格式如下：

1.数据的载入

导入相关的包

1 import csv
2 import numpy as np
3 import matplotlib.pyplot as plt
4 import pandas as pd
5 from sklearn.model_selection import train_test_split
6 from sklearn.linear_model import LinearRegression

手写读取数据

 1 path = 'Advertising.csv'
 2 data = open(path)
 3 f = open(path)
 4 x = []
 5 y = []
 6 for i, d in enumerate(f):
 7     if i == 0:
 8         continue
 9     d = d.strip()
10     if not d:
11