系列文章目录

作者：i阿极

作者简介：Python领域新星作者：博主个人首页

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

文章目录

• 系列文章目录
• 1、实验背景
• 2、实验数据说明
• 3、实验环境
• 4、实验内容
• 5、实验步骤
• • 5.1导入数据
  • 5.2数据探索
  • 5.3处理非数值型变量
  • 5.4构造模型

1、实验背景

一家超级市场正在计划年终促销。他们想推出一个新的优惠——黄金会员资格，所有购买的产品都有20%的折扣，只需499美元，其他日子里是999美元。该优惠政策将只对现有客户有效，目前他们正计划通过电话进行宣传。
管理层认为，降低活动成本的最好方法是建立一个预测模型，首先将可能购买该优惠的客户进行分类。

2、实验数据说明

数据信息是在去年的活动中收集的，以下为数据描述：

3、实验环境

Python 3.9

Anaconda

Jupyter Notebook

4、实验内容

使用逻辑回归对超市销售活动预测分析

5、实验步骤

5.1导入数据

import pandas as pd
import numpy as np
data = pd.read_csv("/home/mw/superstore_data.csv")
data.head()

5.2数据探索

查看数据数量

data.shape

有2240行，22个特征值

查看基本信息

data.info()

发现Income列有缺失值，接下来需要对缺失值进行处理

观察Income列缺失的行

income_missing = data[data.Income.isnull()]
income_missing

从他们的Year_Birth中发现，很多都是1960年之前的人，很有可能退休了(2023-65=1958)

before = income_missing[income_missing.Year_Birth < 1961]
after = income_missing[income_missing.Year_Birth > 1961]
import matplotlib.pyplot as plt
plt.bar(['before 1961','after 1961'],[len(before),len(after)])
plt.show()

对于可能退休的人（小于1961）我们用0填充，其他的用平均值

data.loc[(data['Year_Birth'] < 1961) & (data['Income'].isnull())] =data.loc[(data['Year_Birth'] < 1961) & (data['Income'].isnull())].fillna(0)
data.Income = data.Income.fillna(data.Income.mean())
data.isnull().sum()

对于可能退休的人（小于1961）我们用0填充，其他的用平均值，已经没有缺失值。

5.3处理非数值型变量

查看类型为object的列

non_num_cols = [cols for cols in data.columns if data[cols].dtype == 'object']
non_num_cols

首先我们将Dt_Customer转化为日期格式

data['Dt_Customer'] = pd.to_datetime(data['Dt_Customer'])

处理类别变量,先来看看有几种类别

data.Education.value_counts()

data.Marital_Status.value_counts()

因为alone、YOLO、Abusurd样本数很少，所以本次分析将 alone、YOLO、Abusurd 统一归为 Single。

data.Marital_Status = data.Marital_Status.replace(['Alone','YOLO','Absurd'],'Single')
data.Marital_Status.value_counts()

Marital_Status = pd.get_dummies(data.Marital_Status,prefix='Marital_Status')
data = data.drop('Marital_Status',axis=1).join(Marital_Status)

同理应用于教育状况

Education = pd.get_dummies(data.Education,prefix='Education')
data = data.drop('Education',axis=1).join(Education)
data

再来看看处理之后的特征值

data.info()

5.4构造模型

划分训练集和测试集

from sklearn.model_selection import train_test_split
y = data.Response  #目标变量
X = data.drop('Response',axis=1)
train_x,val_x,train_y,val_y = train_test_split(X,y,train_size=0.8,test_size=0.2,random_state=0)

用统计的方法看看相关性

cor = data.corr()
features = cor[(cor['Response'] < -0.1) | (cor['Response'] > 0.1)] .index.drop('Response')

模型搭建

from sklearn.linear_model import LogisticRegression
lr = LogisticRegression()
lr.fit(train_x[features],train_y)

验证

prey = lr.predict(val_x[features])
from sklearn.metrics import accuracy_score
accuracy_score(val_y,prey)

开始预测

predictions = lr.predict(data[features])
results = pd.DataFrame(data={'Id':data.Id,'Response':predictions})
results[:15]

📢文章下方有交流学习区！一起学习进步！💪💪💪
📢创作不易，如果觉得文章不错，可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗