《機(jī)器學(xué)習(xí)項(xiàng)目案例開發(fā)》課件 1.2使用簡單線性回歸預(yù)測(cè)廣告收入-數(shù)據(jù)分析

人工智能技術(shù)與應(yīng)用1.2使用簡單線性回歸預(yù)測(cè)廣告投入的收入-數(shù)據(jù)分析課程概況—基本情況PART01數(shù)據(jù)分析項(xiàng)目概述開發(fā)流程機(jī)器學(xué)習(xí)人工智能概述項(xiàng)目背景：公司統(tǒng)計(jì)了近期公司在微信、微博、電視和其他廣告媒體上的投入，現(xiàn)在需要預(yù)測(cè)在廣告媒體上投入多少資金，公司能獲得多大的收益。數(shù)據(jù)集：

特征：wechat、weibo、others標(biāo)簽：sales處理流程-加載數(shù)據(jù)加載數(shù)據(jù)：Pandasread_csv函數(shù)：打開CSV文件，返回一個(gè)data.frame對(duì)象使用head()、info()、describe()函數(shù)查看數(shù)據(jù)：

處理流程-相關(guān)性分析數(shù)據(jù)相關(guān)性分析：corr()函數(shù)：檢查兩個(gè)變量之間變化趨勢(shì)的方向以及程度，值范圍-1到+1，0表示兩個(gè)變量不相關(guān)，正值表示正相關(guān)，負(fù)值表示負(fù)相關(guān)，值越大相關(guān)性越?？梢允褂脽崃Dheatmap來顯示相關(guān)系數(shù)

處理流程-相關(guān)性分析數(shù)據(jù)相關(guān)性分析：使用seaborn繪制pairplot圖，也可以分析出單個(gè)特征和標(biāo)簽之間的一種關(guān)系。例如“wechat”微信的投入基本和收益呈現(xiàn)一種線性關(guān)系。處理流程-選取數(shù)據(jù)選取數(shù)據(jù)：通過對(duì)數(shù)據(jù)現(xiàn)相關(guān)性的分析，我們夠可以從數(shù)據(jù)集中取出“wechat”微型的數(shù)據(jù)作為X，“sales”作為y建立一個(gè)線性模型并訓(xùn)練模型。

處理流程-選取數(shù)據(jù)選取數(shù)據(jù)：張量-tensor是現(xiàn)代機(jī)器學(xué)習(xí)的基礎(chǔ)。它的核心是一個(gè)數(shù)據(jù)容器，多數(shù)情況下，它包含數(shù)字，有時(shí)候它也包含字符串，但這種情況比較少。因此把它想象成一個(gè)數(shù)字的水桶。0維度張量--標(biāo)量--一個(gè)數(shù)字1維度張量—向量—1維數(shù)組—1個(gè)人單列或者單行的數(shù)據(jù)2維度張量—矩陣—2維數(shù)組—由行和列構(gòu)成的數(shù)據(jù)3維度張量—三個(gè)軸(axis)—3階(Rank)—秩為3的數(shù)組*張量的維度為軸，軸的個(gè)數(shù)為階，numpy中也叫秩處理流程-選取數(shù)據(jù)選取數(shù)據(jù)：張量-tensor750x7502維度張量黑白照片(750,750)750x7503維度張量彩色照片(750,750,3)750x7504維度張量15秒(4500幀視頻)(4500,750,750,3)處理流程-線性回歸線性回歸模型：簡單線性回歸也稱為一元線性回歸，也就是回歸模型中只含一個(gè)自變量，否則稱為多重線性回歸。簡單線性回歸模型為：y=a*x+b有時(shí)候也可這樣表述y=weight*x+bias，其中weight-權(quán)重，bias-偏置值。我們需要根據(jù)給定的y-企業(yè)的收入和x-企業(yè)的廣告收入，去預(yù)測(cè)w和b，最終得到一個(gè)一元線性方程，通過這個(gè)方程，可以預(yù)測(cè)出企業(yè)投入的廣告資金大概可以獲得多大的收益，

處理流程-選取數(shù)據(jù)選取數(shù)據(jù)：通過對(duì)數(shù)據(jù)現(xiàn)相關(guān)性的分析，我們夠可以從數(shù)據(jù)集中取出“wechat”微型的數(shù)據(jù)作為X，“sales”作為y建立一個(gè)線性模型并訓(xùn)練模型。使用narray轉(zhuǎn)為張量

處理流程-拆分?jǐn)?shù)據(jù)集數(shù)據(jù)集：訓(xùn)練集-----------學(xué)生的課本；學(xué)生根據(jù)課本里的內(nèi)容來掌握知識(shí)。驗(yàn)證集------------作業(yè)，通過作業(yè)可以知道不同學(xué)生學(xué)習(xí)情況、進(jìn)步的速度快慢。測(cè)試集-----------考試，考的題是平常都沒有見過，考察學(xué)生舉一反三的能力處理流程-數(shù)據(jù)歸一化數(shù)據(jù)歸一化：在機(jī)器學(xué)習(xí)中，為何要經(jīng)常對(duì)數(shù)據(jù)做歸一化，歸一化后加快了梯度下降求最優(yōu)解的速度。歸一化有可能提高精度。我們?cè)谶@里使用線性歸一化。

處理流程-數(shù)據(jù)歸一化數(shù)據(jù)歸一化：min-max標(biāo)準(zhǔn)化（Min-MaxNormalization）歸一化也稱為離差標(biāo)準(zhǔn)化，是對(duì)原始數(shù)據(jù)的線性變換，使結(jié)果值映射到[0-1]之間。轉(zhuǎn)換函數(shù)如下：處理流程-數(shù)據(jù)歸一化數(shù)據(jù)歸一