训练简单的线性模型，预测电影评分和票房收入

训练简单的线性模型，预测电影评分和票房收入

这是一个简单的线性模型，用于预测电影的评分和票房收入。不过却是一个很好的入门案例，可以让你了解如何来解决一个回归问题。

数据集

数据集包含了 10000 条电影的信息，包括评分、票房收入。你可以在这里下载数据集。提取码：1234。文件格式为 csv，可以使用 pandas 来读取。

加载数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
import joblib

# 请填写你的数据集路径。
df = pd.read_csv('/movie_rating_box_office_dataset.csv')

df.head()

可视化数据

xDataName = 'Movie_Rating'
yDataName = 'Box_Office_Revenue'

plt.figure(figsize=(10, 6))
plt.scatter(df[xDataName], df[yDataName], alpha=0.5, label='Data points')
plt.title('Scatter Plot of Data')
plt.xlabel(xDataName)
plt.ylabel(yDataName)
plt.legend()
plt.show()

xDataName和yDataName是两个变量，分别代表电影评分和票房收入。我们可以看到，这两个变量之间的关系是线性的.

分割数据集

这里我们将数据集分割成训练集和测试集，其中训练集占 80%，测试集占 20%。

X_train, X_test, Y_train, Y_test = train_test_split(df[['Movie_Rating']], df['Box_Office_Revenue'], test_size=0.2, random_state=0)

(X_train.shape, X_test.shape), (Y_train.shape, Y_test.shape)

训练模型

# 初始化模型
model = LinearRegression()

# 训练模型
model.fit(X_train, Y_train)

# 预测
Y_pred = model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(Y_test, Y_pred)

coef = model.coef_[0]
intercept = model.intercept_

# 打印结果
coef, intercept, mse

输出结果为：

(2.0000851616098485, 5.022264732247818, 1.016650048849064)

其中，coef 和 intercept 分别是线性模型的斜率和截距，mse 是均方误差。

这里我们使用均方误差来评估模型的好坏，均方误差越小，说明模型越好。

可视化结果

plt.figure(figsize=(10, 6))
plt.scatter(X_test, Y_test, alpha=0.5, label='Actual')
plt.scatter(X_test, Y_pred, alpha=0.5, label='Predicted')
plt.plot(X_test, model.predict(X_test), color='red', linewidth=2, label='Fitted line')
plt.title('Actual vs Predicted')
plt.xlabel('X')
plt.ylabel('Y')
plt.legend()
plt.show()

应用模型

# 假设你有一个电影评分为 7.5
new_rating = np.array([[7.5]])

# 使用模型进行预测
predicted_revenue = model.predict(new_rating)

# 输出预测的房价
print(predicted_revenue[0])

保存和加载模型

# 保存模型
joblib.dump(model, 'linear_regression_model.pkl')

# 加载模型
loaded_model = joblib.load('linear_regression_model.pkl')

该模型被保存在 linear_regression_model.pkl 文件中，可以使用 joblib.load 来加载模型。