机器学习 课件 第5--10章 回归模型 ---项目实战2：基于Hive 数据仓库的商品推荐.pptx

第5章回归模型

课程学习内容5.1回归模型的概念5.2回归模型的算法原理5.3基于Python的回归建模实例5.4基于Spark的回归建模实例

5.1回归模型的概念 回归就是研究一个随机变量y对另一个变量x或一组变量[x1,x2,…,xn]的相依关系的统计分析方法。回归模型用数学语言描述为y=f(x1,x2,…,xn)+ξ，其中x1,x2,…,xn是确定性的或可控的因素，f是映射函数，ξ是不确定或不可控的因素。通过拟合大量的数据，求解映射函数f的具体表达式，就是回归建模的过程。一旦建立回归模型，就能通过该模型进行数据预测。

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理

5.2回归模型的算法原理

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.2回归模型的算法原理?

5.3基于Python的回归建模实例

?5.3基于Python的回归建模实例

【例5-7】请针对例5-6的分析结果，对线性回归模型进行改进，并再次对销售量进行预测。解：在例5-6的summary()方法输出中，注意到const和x3的P值偏大，而Cond.No.和Warnings[2]说明自变量之间本身就有线性相关关系，所以将其从回归方程中删除改进后的代码如下：5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

用sklearn中各种回归函数进行建模，用测试集的rmse和模型评分score来进行性能比较，代码如下：5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.3基于Python的回归建模实例

5.4基于Spark的回归建模实例

5.4基于Spark的回归建模实例

5.4基于Spark的回归建模实例

5.4基于Spark的回归建模实例

谢谢观看

第6章关联模型

课程学习内容6.1关联模型的概念6.2关联模型的算法原理6.3基于Python的关联建模实例6.4基于Spark的关联建模实例

6.1关联模型的概念 数据关联是指若两个或多个事物之间存在的某种规律性。比如人们购买了A商品，就很有可能购买B商品。利用这种购物关联现象，超市可以直接把B商品放在A商品的旁边，以便增加购买量。

6.2关联模型的算法原理 典型的关联模型算法有关联规则算法和协同过滤算法，前者适合于传统的实体超市购物场景，超市要调整货架物品摆放位置，使营业额最大。后者则更加适合于新零售和互联网商品推荐场景，针对特定的用户推荐特定的商品。6.2.1关联规则算法 基于关联规则的算法，是由用户预先定义最小支持度min_sup和最小置信度min_conf，筛选出支持度大于min_sup和置信度大于min_conf的规则作为强关联规则。并检验提升度是否大于1，若大于1则为有效的强关联规则。

6.2关联模型的算法原理【例6-1】在表6-1中，设置min_sup=50%，min_conf=70%，找出所有的强关联规则，并利用强关联规则布置货架安排。

6.2关联模型的算法原理

6.2关联模型的算法原理?

6.2关联模型的算法原理

6.2关联模型的算法原理?

6.2关联模型的算法原理

6.2关联模型的算法原理?

6.2关联模型的算法原理?

6.2关联模型的算法原理

6.2关联模型的算法原理

6.2关联模型的算法原理?

6.2关联模型的算法原理?

6.3基于Python的关联建模实例?

【例6-5】电子商务消费数据集如表6-2所示，利用基于模型的协同过滤算法，编写Python代码，向所有的用户进行商品推荐。解：（1）写出购买记录矩阵RR=[[10110],[10011],[10100],[01011],[11100]]（2）假设用户和商品有3个内在特征，即描述用户为3行5列的P矩阵，描述物品为3行5列的Q矩阵，用ALS算法求出P和Q的