如何使用Python进行节目观众数的线性回归预测

如何使用Python进行节目观众数的线性回归预测

线性回归预测模型是机器学习中的基本算法之一，使用于很多场景的预测，如可以根据房子的面积简单预测房子的价格，也可以进行预测下周哪个电视节目会有更多的观众，这里我们以预测电视节目的观众为场景，具体说明如何使用Python进行预测的。

首先我们需要准备用于预测的数据

我们将数据保存在csv文件中然后在python中读取出来供应用处理。

样例数据：

sdx,sdx_number,ljx,ljx_number

1,4.83,1,2.84

2,4.27,2,2.32

3,3.59,3,2.55

4,3.53,4,2.49

5,3.46,5,2.73

6,3.73,6,2.6

7,3.47,7,2.64

8,4.34,8,3.92

9,4.66,9,3.06

在Python中到定义一个函数将文件中的数据读取到我们的内存模型中，我们使用pandas库进行数据读取，如下所示：

#导入依赖库

import csv

import sys

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn import datasets,linear_model

#读取cvs文件的数据的函数

def read_data(file_name):

data=pd.read_csv(file_name)

#文件的数据模型

shandianxia_x_param=[]

shandianxia_y_param=[]

lvjianxia_x_param=[]

lvjianxia_y_param=[]

#数据填充

for x1,y1,x2,y2 in zip(data['sdx'],data['sdx_number'],data['ljx'],data['ljx_number']):

shandianxia_x_param.append([float(x1)])

shandianxia_y_param.append([float(y1)])

lvjianxia_x_param.append([float(x2)])

lvjianxia_y_param.append([float(y2)])

return shandianxia_x_param,shandianxia_y_param,lvjianxia_x_param,lvjianxia_y_param

print(read_data('e:/jiemudata.csv'))

定义一个函数，根据上一个步骤读取的数据进行预测对比看看那个界面更受欢迎。

def compare_viewers(x1,y1,x2,y2):

reg1=linear_model.LinearRegression()

reg1.fit(x1,y1)

shandianxia_predicated_value=reg1.predict(10)

reg2=linear_model.LinearRegression()

reg2.fit(x2,y2)

lvjianxia_predicated_value=reg2.predict(10)

if shandianxia_predicated_value>lvjianxia_predicated_value:

print("闪电侠在下一周会有更多观众")

else:

print("绿箭侠在下周会有更多观众")

进行数据预测和比对，将read_data获取到的数据传入compare_viewers函数中：

all_data=read_data('e:/jiemudata.csv')

compare_viewers(all_data,all_data,all_data,all_data)

运行程序后可以看到结果如下图所示

为了更形象、更直观表现数据，我么把相关数据使用图表展现出来,我么在比对函数中增加数据表展现功能：

def compare_viewers(x1,y1,x2,y2):

reg1=linear_model.LinearRegression()

reg1.fit(x1,y1)

shandianxia_predicated_value=reg1.predict(10)

#将预测值加入到数据模型中，统一展现

x1.append()

y1.append([shandianxia_predicated_value])

plt.figure()

plt.title("Jiemu Number View")

plt.xlabel("Week")

plt.ylabel("Numbers")

plt.axis([0,10,0.0,10.0]) #x，y轴的范围值

plt.grid(True)

plt.plot(x1,y1,'r.')

reg2=linear_model.LinearRegression()

reg2.fit(x2,y2)

lvjianxia_predicated_value=reg2.predict(10)

x2.append()

y2.append([lvjianxia_predicated_value])

plt.plot(x2,y2,'g*')

plt.show()

if shandianxia_predicated_value>lvjianxia_predicated_value:

print("闪电侠在下一周会有更多观众")

else:

print("绿箭侠在下周会有更多观众")

运行完整的代码，就可以看到所有的数据，包含了预测的数据在图表中展现出来，完整的代码如下：

#导入依赖库

import csv

import sys

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn import datasets,linear_model

#读取cvs文件的数据的函数

def read_data(file_name):

data=pd.read_csv(file_name)

#文件的数据模型

shandianxia_x_param=[]

shandianxia_y_param=[]

lvjianxia_x_param=[]

lvjianxia_y_param=[]

#数据填充

for x1,y1,x2,y2 in zip(data['sdx'],data['sdx_number'],data['ljx'],data['ljx_number']):

shandianxia_x_param.append([float(x1)])

shandianxia_y_param.append([float(y1)])

lvjianxia_x_param.append([float(x2)])

lvjianxia_y_param.append([float(y2)])

return shandianxia_x_param,shandianxia_y_param,lvjianxia_x_param,lvjianxia_y_param

#预测并比对

def compare_viewers(x1,y1,x2,y2):

reg1=linear_model.LinearRegression()

reg1.fit(x1,y1)

shandianxia_predicated_value=reg1.predict(10)

#将预测值加入到数据模型中，统一展现

x1.append()

y1.append([shandianxia_predicated_value])

plt.figure()

plt.title("Jiemu Number View")

plt.xlabel("Week")

plt.ylabel("Numbers")

plt.axis([0,10,0.0,10.0]) #x，y轴的范围值

plt.grid(True)

plt.plot(x1,y1,'r.')

reg2=linear_model.LinearRegression()

reg2.fit(x2,y2)

lvjianxia_predicated_value=reg2.predict(10)

x2.append()

y2.append([lvjianxia_predicated_value])

plt.plot(x2,y2,'g*')

plt.show()

if shandianxia_predicated_value>lvjianxia_predicated_value:

print("闪电侠在下一周会有更多观众")

else:

print("绿箭侠在下周会有更多观众")

#进行数据预测和比对

all_data=read_data('e:/jiemudata.csv')

compare_viewers(all_data,all_data,all_data,all_data)

最后我们在给一系列的预测，创建一个拟合图形展现

plt.plot(x1,reg1.predict(x1),'r-')#绿色线条

plt.plot(x2,reg2.predict(x2),'g-')#绿色线条

------------compare_viewers函数完整代码-----------------------

#预测并比对

def compare_viewers(x1,y1,x2,y2):

reg1=linear_model.LinearRegression()

reg1.fit(x1,y1)

shandianxia_predicated_value=reg1.predict(10)

#将预测值加入到数据模型中，统一展现

x1.append()

y1.append([shandianxia_predicated_value])

plt.figure()

plt.title("Jiemu Number View")

plt.xlabel("Week")

plt.ylabel("Numbers")

plt.axis([0,15,0.0,10.0]) #x，y轴的范围值

plt.grid(True)

plt.plot(x1,y1,'r.')

#绘制拟合模型

plt.plot(x1,reg1.predict(x1),'r-')#绿色线条

reg2=linear_model.LinearRegression()

reg2.fit(x2,y2)

lvjianxia_predicated_value=reg2.predict(10)

x2.append()

y2.append([lvjianxia_predicated_value])

if shandianxia_predicated_value>lvjianxia_predicated_value:

print("闪电侠在下一周会有更多观众")

else:

print("绿箭侠在下周会有更多观众")

plt.plot(x2,y2,'g*')

#绘制拟合模型

plt.plot(x2,reg2.predict(x2),'g-')#绿色线条

plt.show()