課程負責人：陳清華票房多項式回歸預測任務實施【數(shù)據(jù)挖掘應用】課程觀影數(shù)據(jù)回歸分析知識與能力目標掌握多項式回歸分析方法；會使用sklearn實現(xiàn)多項式回歸分析應用；會熟練使用matplotlib進行可視化展現(xiàn)；會按需求展現(xiàn)回歸模型。使用多項式回歸對票房進行預測主要內容任務工單引導問題任務評價標準任務解決方案代碼解析film.txt教學難點基于放映天數(shù)構建多項式特征，并使用sklearn中的線性模型實現(xiàn)多項式回歸分析。任務概述

任務描述：根據(jù)放映天數(shù)，使用多項式回歸分析和預測電影日均票房，并用圖的形式展現(xiàn)所到模型的異同。任務工單010010011001101010100100110110100101110101000100001011011101001010101101010011010010（1）線性回歸與多項式回歸的本質區(qū)別是什么？（2）sklearn中如何實現(xiàn)多項式回歸，實現(xiàn)方法上與線性回歸有何不同？（3）sklearn中，線性回歸與多項式回歸的實現(xiàn)又有何共通之處？”

問題引導：任務概述

任務評價：任務概述評價內容評價要點分值分數(shù)評定自我評價1.任務實施數(shù)據(jù)預處理記錄使用的degree參數(shù)值：________4分導包正確得1分，能正確構造多項式特征得2分。Degree正確設置得1分

模型訓練1分代碼正確且順利執(zhí)行得1分

模型展現(xiàn)3分展現(xiàn)原始數(shù)據(jù)完整得1分，展現(xiàn)結果清晰得1分。結合展現(xiàn)線性回歸模型得1分2.效果評估分析模型得準確性，并得出評估結論3分準確率有提升得1分

3.任務總結依據(jù)任務實施情況總結結論1分總結內容切中本任務的重點要點得1分

合計10分

第1行：導入sklearn包中相關的包第2、3行：設置x和y的值fromsklearnimportlinear_modelx=df[['放映天數(shù)']]y=df[['日均票房/萬元']]regr=linear_model.LinearRegression()任務解決方案第5行：一元線性回歸擬合regr.fit(x,y)步驟一：使用一元線性回歸進行預測第4行：初始化線性回歸模型第2行：構造化多項式特征第4行：構建回歸模型進行擬合poly=PolynomialFeatures(degree=3)xt=poly.fit_transform(x)polymodel=linear_model.LinearRegression(）polymodel.fit(xt,y)任務解決方案步驟二：使用多項式回歸進行預測第1行：導入sklearn包中相關的包fromsklearn.preprocessingimportPolynomialFeatures任務解決方案plt.scatter(x,y,color=‘black，label=

“原始數(shù)據(jù)”)plt.scatter(x,regr.predict(x),color='red',linewidth=1,

label="線性回歸",marker='*')plt.scatter(x,polymodel.predict(xt),color='blue',linewidth=1,

label="多項式回歸",marker='^')plt.legend(loc=2)步驟三：可視化并比較任務解決方案x_min=x.values.min()-0.1x_max=x.values.max()+0.1第20、21行：定義界限第20、21行：定義等距序列，最小值是x_min，最大值是x_max，步長是0.005x_new=np.arange(x_min,x_max,0.005).reshape(-1,1)xt_new=poly.fit_transform(x_new)第22行：定義界限plt.scatter(x,y,color='black',label="原始數(shù)據(jù)")第23行：多項式回歸模型結果可視化plt.scatter(x_new,regr.predict(x_new),color='red',s=2,linewidth=1,label="線性回歸")步驟四：可視化進階第24行：在左上角顯示圖例plt.legend(loc=2)plt.s