Python机器学习项目：基于点赞数和热度指数的软文浏览量预测

1. 导入必要的库

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.tree import DecisionTreeRegressor
from sklearn.metrics import mean_squared_error
from sklearn.neural_network import MLPRegressor
from sklearn.svm import SVR

2. 读取数据

# 读取数据
df_ads = pd.read_csv('易速鲜花微信软文.csv')
print(df_ads.head(10))

3. 数据清洗

# 数据清洗
df_ads.isna().sum()   # NaN出现的次数
print(df_ads.isna().sum())
df_ads = df_ads.dropna() # 删除NaN值
print(df_ads)

4. 数据分析

# 数据分析
plt.plot(df_ads['点赞数'], df_ads['浏览量'], 'r.', label='Training data')
plt.xlabel('点赞数')
plt.ylabel('浏览量')
plt.legend()
plt.show()

data = pd.concat([df_ads['浏览量'], df_ads['热度指数']], axis=1) # 浏览量和热度指数
fig = sns.boxplot(x='热度指数', y='浏览量', data=data) # 用seaborn的箱线图画图
fig.axis(ymin=0, ymax=800000); #设定y轴坐标
plt.show()

5. 特征工程

# 特征工程
X = df_ads[['点赞数', '热度指数']] # 将热度指数也加入到特征中
y = df_ads['浏览量']

6. 数据拆分

# 数据拆分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

7. 模型构建与评估

7.1 随机森林模型

# 模型构建
model = RandomForestRegressor()
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 模型评估
print('随机森林模型评估：')
print('均方误差：%.2f' % mean_squared_error(y_test, y_pred))
print('平均绝对误差：%.2f' % np.mean(np.abs(y_test - y_pred)))
print('解释方差：%.2f' % model.score(X_test, y_test))

7.2 决策树模型

# 模型构建
model = DecisionTreeRegressor()
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 模型评估
print('决策树模型评估：')
print('均方误差：%.2f' % mean_squared_error(y_test, y_pred))
print('平均绝对误差：%.2f' % np.mean(np.abs(y_test - y_pred)))
print('解释方差：%.2f' % model.score(X_test, y_test))

7.3 线性回归模型

# 模型构建
model = LinearRegression()
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 模型评估
print('线性回归模型评估：')
print('均方误差：%.2f' % mean_squared_error(y_test, y_pred))
print('平均绝对误差：%.2f' % np.mean(np.abs(y_test - y_pred)))
print('解释方差：%.2f' % model.score(X_test, y_test))

7.4 支持向量机模型

model_svr = SVR(kernel='rbf', C=1e3, gamma=0.1)
model_svr.fit(X_train, y_train)
y_pred_svr = model_svr.predict(X_test)
df_ads_pred_svr = X_test.copy()
df_ads_pred_svr['浏览量真值'] = y_test
df_ads_pred_svr['浏览量预测值'] = y_pred_svr
df_ads_pred_svr
print('支持向量机预测集评分：', model_svr.score(X_test, y_test))
print('支持向量机训练集评分：', model_svr.score(X_train, y_train))

7.5 神经网络模型

model_mlp = MLPRegressor(hidden_layer_sizes=(100,50,10), max_iter=1000, alpha=0.001, solver='adam', verbose=0, random_state=21)
model_mlp.fit(X_train, y_train)
y_pred_mlp = model_mlp.predict(X_test)
df_ads_pred_mlp = X_test.copy()
df_ads_pred_mlp['浏览量真值'] = y_test
df_ads_pred_mlp['浏览量预测值'] = y_pred_mlp
df_ads_pred_mlp
print('神经网络预测集评分：', model_mlp.score(X_test, y_test))
print('神经网络训练集评分：', model_mlp.score(X_train, y_train))

8. 可视化分析

# 散点图
plt.scatter(df_ads['点赞数'], df_ads['浏览量'], label='Training data')
plt.xlabel('点赞数')
plt.ylabel('浏览量')
plt.legend()
plt.show()

# 直方图
sns.histplot(df_ads['浏览量'], kde=True)
plt.xlabel('浏览量')
plt.ylabel('频数')
plt.show()

# 热力图
corr_matrix = df_ads.corr()
sns.heatmap(corr_matrix, annot=True)
plt.show()

# 饼图1
labels = ['0-1000', '1000-3000', '3000-5000', '5000-10000', '>10000']
df_ads['点赞数分布'] = pd.cut(df_ads['点赞数'], bins=[0, 1000, 3000, 5000, 10000, np.inf], labels=labels)
df_pie = df_ads.groupby('点赞数分布').size().reset_index(name='counts')
fig1, ax1 = plt.subplots()
ax1.pie(df_pie['counts'], labels=df_pie['点赞数分布'], autopct='%1.1f%%')
ax1.axis('equal')
plt.title('点赞数分布')
plt.show()

# 饼图2
labels = ['0-20', '20-40', '40-60', '60-80', '>80']
df_ads['热度指数分布'] = pd.cut(df_ads['热度指数'], bins=[0, 20, 40, 60, 80, np.inf], labels=labels)
df_pie = df_ads.groupby('热度指数分布').size().reset_index(name='counts')
fig2, ax2 = plt.subplots()
ax2.pie(df_pie['counts'], labels=df_pie['热度指数分布'], autopct='%1.1f%%')
ax2.axis('equal')
plt.title('热度指数分布')
plt.show()

# 添加代码，分析点赞数、热度指数、浏览量之间的相关性
sns.pairplot(df_ads[['点赞数', '热度指数', '浏览量']])
plt.show()

9. 总结

本项目使用Python进行机器学习，利用点赞数和热度指数等特征预测微信软文浏览量，并尝试了随机森林、决策树、线性回归、支持向量机和神经网络等模型，并对模型进行评估。通过分析，可以发现：

点赞数和浏览量之间存在正相关关系，热度指数越高，浏览量也越高。
不同的模型预测效果存在差异，需要根据具体情况选择合适的模型。
该项目可以帮助微信公众号运营者更有效地预测软文浏览量，从而优化内容创作策略。

未来可以继续进行以下方面的研究：

加入更多特征，例如文章发布时间、文章内容长度、文章主题等，以提高模型的预测精度。
使用更先进的机器学习模型，例如深度学习模型，以获得更好的预测效果。
将预测结果应用于实际的微信公众号运营中，例如根据预测结果调整文章发布时间、优化文章标题等。