实验内容：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。

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。

完整代码

#导入包
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression


#1.读取给定文件中数据集文件。（数据集路径：data/data72160/1_film.csv）
film=pd.read_csv("E:/python/SpyderCode/work/1_film.csv")
#查看数据
X=film.iloc[0:5,:]
print(X)
filmpd=pd.DataFrame(film)
print(film.shape)


#2.绘制影厅观影人数（filmnum）与影厅面积（filmsize）的散点图。
X=film.iloc[:,0:1]
y=film.iloc[:,1:2]

plt.figure(figsize=(10,6))
plt.scatter(X,y)#绘制散点图
plt.xlabel(u'filmnum')
plt.ylabel(u'filmsize')
plt.title(u'The relation of filmnum and filmsize')#标题
plt.show()



#3.绘制影厅人数数据集的散点图矩阵。
import seaborn as sns
cols=['filmnum']
sns.pairplot(film[cols],kind='reg',size=2.5)
plt.tight_layout()
plt.show()



#4.选取特征变量与相应变量，并进行数据划分。
X=film.iloc[:,1:4]
y=film.filmnum
X=np.array(X.values)
y=np.array(y.values)
train_X,test_X,train_y,test_y=train_test_split(X,y,test_size=0.25)
print(train_X.shape)


#5.进行线性回归模型训练。
model=LinearRegression()
model.fit(train_X,train_y)#模型训练



#6.根据求出的参数对测试集进行预测。
print("Coifficient:",model.coef_)#系数
print("求解截距顶是:",model.intercept_)
pre_y=model.predict(test_X)
print("根据测试及X预测的y集是:\n",pre_y)



#7.绘制测试集相应变量实际值与预测值的比较。
plt.figure(figsize=(10,6))
t=np.arange(len(test_X))#创建t变量

plt.plot(t,test_y,linewidth=2,label="test_y",color="red")
plt.plot(t,pre_y,linewidth=2,label="pre_y",color="blue")

plt.legend()#设置图例

plt.xlabel("test data")
plt.ylabel("filmnum")
plt.show()