人工智能技術與應用項目3：使用scikit-learn預測廣告收入課程概況—基本情況PART01多元線性模型項目概述歸一化、標準化和中心化Scikit-learn簡介模型的準確率sklearnLinearRegression模型

項目概述項目背景：

公司統計了近期公司在微信、微博、電視和其他廣告媒體上的投入，現在需要預測在廣告媒體上投入多少資金，公司能獲得多大的收益。在項目一種我們使用微型的投入預測公司的預期收入，但是公司在微博和其他媒體中也投入資金，現在需要預測在所有這個媒體上投入資金的收益就需要使用多元線性回歸模型。數據集：

特征：wechat、weibo、others標簽：sales多元線性模型scikit-learn：多元線性回歸,也就是回歸模型中包含多個自變量。多元線性回歸Scikit-learn（以前稱為scikits.learn，也稱為sklearn）是針對Python編程語言的免費軟件機器學習庫，是一個Python的機器學習項目，是一個簡單高效的數據挖掘和數據分析工具。基于NumPy、SciPy和matplotlib構建它具有各種分類，回歸和聚類、降維、模型選擇、預處理六大功能。歸一化Seaborn-distplot：SeabornSeaborn是一種基于matplotlib的圖形可視化pythonlibraty。它提供了一種高度交互式界面，便于用戶能夠做出各種有吸引力的統計圖表。distplot：seaborn中的distplot主要功能是繪制單變量的直方圖，且還可以在直方圖的基礎上施加kdeplot和rugplot的部分內容(直方圖+核密度估計)。歸一化Seaborn-KDE-直方圖：質量分布圖-histogram是一種統計報告圖，由一系列高度不等的縱向條紋或線段表示數據分布的情況。一般用橫軸表示數據類型，縱軸表示分布情況。語法

sns.distplot(x,kde=False,rug=True)#利用bins可以方便設置矩形條的數量#kde=False關閉核密度分布,rug表示在x軸上每個觀測上生成的小細條（邊際毛毯）歸一化Seaborn-KDE-直方圖：密度圖核密度估計是在概率論中用來估計未知的密度函數，屬于非參數檢驗方法之一。是一種從數據樣本本身出發研究數據分布特征的方法。核密度圖意義

可以看作是概率密度圖，其縱軸可以粗略看做是數據出現的次數，與橫軸圍成的面積是1.格式sns.distplot(x,hist=False,rug=True);#關閉直方圖，開啟rug細條歸一化Seaborn-pairolot-兩兩關系圖：pairolotpairplot中pair是成對的意思，pairplot主要展現的是變量兩兩之間的關系（線性或非線性，有無較為明顯的相關關系核密度圖意義格式sns.pairplot(data[['wechat','weibo','others']])sns.pairplot(data,x_vars=['wechat','weibo','others'],

y_vars='sale