学习目标

• 掌握一元线性回归（Linear Regression）、多项式回归的概念。

• 掌握sklearn中一元线性回归、多项式回归的应用。

• 掌握sklearn中数据预处理的方法，特别是范围缩放、标记映射的使用方法。

• 掌握sklearn中训练集（trainingset）与测试集（testing set）的切分方法。

• 了解多元线性回归及其应用。

• 初步学会散点图、折线图的作图方法，熟练掌握柱状图的作图方法及参数设置

背景知识

    目前，网络上公开了很多的电影数据，比如Movie Database网站就提供了一份数据集，主要包括1960—2015年上映的部分电影的样本集。读者可以从上面下载数据集进行分析。电影数据项主要包括：电影名称、电影放映日期、导演、电影分类、电影评分数据及票房数据等。本项目将通过回归方法对2017年浙江省高职高专院校技能大赛“大数据技术与应用”赛项试题中使用的电影历史数据进行分析，并对未来的票房与评分进行简单预测。对于初学者，我们在内容的讲解上更注重于方法的使用过程与技巧，而并不偏重于数据的多样性、复杂性和分析方法应用的准确性、适用性。方法的适用性，将在应用实践、经验积累与总结过程中不断引入，循序渐进，慢慢展开。

    机器学习背景知识讲解详见以下视频：

    你来说一说，机器学习，欢迎大家参与下面的讨论。

本项目第1-2次课（第3-4周）

任务一：电影数据分析与预测（一元线性回归）

• 数据读取

• 数据整理

• 数据分析与挖掘

• 数据可视化

• 数据预测

掌握以下知识点：

（来源：大数据1801 董露丹 ）

具体实现过程可参考PPT及后续讲解内容，即3.2

下载并完成实验报告，找到发布的作业并上传至平台：

• word版
  

• ipynb版

本次实验用到的数字资源

本项目第3次课（第5周）

任务2：电影数据分析与预测（多项式回归）

掌握以下知识点：

（来源：大数据1801 董露丹 ）

实现过程可参考PPT及后续讲解内容，即3.3

任务3：电影数据分析与预测（多元线性回归）

实现过程可参考PPT及后续讲解内容：参见3.4

下载并完成以下实验报告，找到发布的作业并上传至平台：

• word版

• ipynb版

本次实验用到的数字资源

第4次课（应用练习一）

任务4：薪资数据分析与预测（巩固练习）

实现过程可参考PPT及后续讲解内容：参见3.4

下载并完成以下实验报告，找到发布的作业并上传至平台：

• word版

• ipynb版

本次实验用到的数字资源