(1)读取代码所在文件夹中的“广告收益数据.xlsx”,然后建立多元线性回归模型 (2)对上面搭建的模型通过Python代码进行模型评估
时间: 2024-05-13 13:15:10 浏览: 13
以下是实现上述功能的Python代码:
```python
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score, mean_squared_error
# 读取数据
data = pd.read_excel('广告收益数据.xlsx')
# 构建特征和标签
X = data.iloc[:, :-1]
y = data.iloc[:, -1]
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 建立多元线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)
# 模型评估
y_pred = model.predict(X_test)
print('R2 score:', r2_score(y_test, y_pred))
print('MSE:', mean_squared_error(y_test, y_pred))
```
代码中使用了Pandas库读取Excel表格数据,并使用Scikit-learn库中的LinearRegression模型建立多元线性回归模型。为了对模型进行评估,使用train_test_split函数将数据集划分为训练集和测试集,并使用r2_score和mean_squared_error两个指标评估模型的拟合效果。