python数据分析5个案例-数据分析小案例(五)：销量预测（python）
微信公众号：机器学习养成记搜索添加微信公众号：chenchenwings
《菜鸟侦探挑战数学分析》小案例，python实现第五弹～～
案件回顾
1，现有冰激凌店一年的历史销售数据
2，数据包括单日的销售量、气温、周几（问题：如何用这些数据预测冰激凌的销量？）
模拟实验与分析
将数据存储为csv格式，导入python。并画出散点图，观察气温和销售量的关系。import pandas as pd
icecream = pd.read_csv("icecream.csv")
import matplotlib.pyplot as plt
import pylab
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.scatter(icecream.iloc[:,1],icecream.iloc[:,0])
plt.xlabel("气温")
plt.ylabel("销售量")
pylab.show()
计算两者间的相关系数。icecream.iloc[:,0:2].corr()
结果为：销售量 ? ? ? 气温
销售量 1.000000 ? 0.844211
气温 ? ? 0.844211 ? 1.000000
销售量和气温的相关系数为0.84，结合散点图，认为两者相关。下面用回归分析的方法，通过气温来预测冰激凌销量。from sklearn.linear_model import LinearRegression
model = LinearRegression()
feature_cols = ['气温']
X = icecream[feature_cols]
y = icecream.销售量
model.fit(X,y)
plt.scatter(icecream.气温, icecream.销售量)
plt.plot(icecream.气温, model.predict(X) , color='blue')
plt.xlabel('气温')
plt.ylabel('销售量')
plt.show()
print("截距与斜率:",model.intercept_,model.coef_)
截距与斜率: 57.1673282152 [ 5.21607823]
于是，散点图中的线函数式为y＝5.2X＋57.2。所以，当气温为25度时，预测的销售量为5.2*25+57.2=187.52，约188个。
几个小概念
回归分析：预测数据时的简便手法。在此例中，销售量为反应变量，也叫因变量，气温为解释变量，也叫自变量。虽然影响销售量的因素除了气温外还有很多，但回归分析中我们要把现实情况简化并公式化，这个过程叫做建模。本例中只用1个解释变量进行模型化称为一元线性回归，如果反应变量同时受到多个解释变量的影响，称为多元线性回归。
微信公众号：机器学习养成记
搜索添加微信公众号：chenchenwings
扫描二维码，关注我们。
如需转载，请在开篇显著位置注明作者和出处，并在文末放置机器学习养成记二维码和添加原文链接。
快来关注我们吧！