Python全系列 教程
3567个小节阅读:5931.5k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
投资商经常会通过多个不同渠道投放广告,以此来获得经济利益。在本案例中我们选
取公司在电视、广播和报纸上的投入,来预测广告收益,这对公司策略的制定是有较重要的
意义。
xxxxxxxxxx
# 读取数据
import pandas as pd
df = pd.read_excel('广告收益数据.xlsx')
df.head()
# 划分特征变量和目标变量
X = df.drop(columns='收益')
y = df['收益']
# 划分训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=123)
# 模型训练
from sklearn.ensemble import AdaBoostRegressor
model = AdaBoostRegressor(random_state=123)
model.fit(X_train, y_train)
# 模型评估
print("自带的score方法得到R2:",model.score(X_test,y_test))
y_pred = model.predict(X_test)
print("r2_score函数得到R2:",r2_score(y_test,y_pred))
# 通过DataFrame的方式展示特征重要性
features = X.columns # 获取特征名称
importances = model.feature_importances_ # 获取特征重要性
# 通过二维表格形式显示
importances_df = pd.DataFrame()
importances_df['特征名称'] = features
importances_df['特征重要性'] = importances
importances_df.sort_values('特征重要性', ascending=False)
1. 关于广告收益回归预测,下列说法正确的是:
A 投资商只能选择一种渠道投放广告
B 广告收益回归预测模型对公司策略的制定是有较重要的意义
C 广告收益值是一个分类数据
D 以上说法均不正确
2. 在skleran中,使用AdaBoost进行回归预测的是_______:
A AdaBoostClassifier
B AdaBoostRegressor
C DecisionTreeClassifier
D RandomForestClassifier
1=>B 2=>B