机器学习实验之影厅观影人数预测

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