【python】python基于机器学习与数据分析的二手手机特性关联与分类预测（源码+数据集）【独一无二】
👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。
python基于机器学习与数据分析的二手手机特性关联与分类预测（源码+数据集）【独一无二】
目录
- python基于机器学习与数据分析的二手手机特性关联与分类预测（源码+数据集）【独一无二】
- 一、设计要求
- 二、设计思路
- **1. 数据读取与预处理**
- **2. 描述性统计与分布分析**
- **3. 分类变量分布分析**
- **4. 热力图分析（RAM与内核搭配特征）**
- **5. 线性回归模型**
- **6. 聚类分析**
- 三、可视化分析
一、设计要求
本项目的目标是分析智能手机数据，揭示其特性与价格区间的联系，并利用机器学习技术进行预测和聚类。设计涵盖数据预处理、探索性分析、模型构建与性能评估：
-
数据预处理
- 读取多个数据源，清理缺失值、重复值和异常值。
- 新增业务特征 “屏幕尺寸”，提升数据分析深度。
-
数据分析与可视化
- 基于核心数值特征（如手机重量、电池容量等）进行统计特征分析。
- 利用饼图、直方图、热力图等方式展现变量分布和关联。
-
监督学习
- 应用线性回归模型预测价格区间（连续变量）。
- 使用 SVM 进行价格区间分类，并分析特征重要性。
-
无监督学习
- 对手机特性进行聚类分析，揭示潜在分组模式。
- 利用肘部法选择最佳聚类数，并评估聚类效果（轮廓系数等）。
-
可视化与解读
- 通过高质量图表展示分析结果，为决策提供支持。
- 输出模型性能指标（如准确率、决定系数）并解释结果的商业意义。
二、设计思路
1. 数据读取与预处理
目的：
- 利用
pandas读取 Excel 文件，合并数据集，并进行清洗与扩展，以生成干净、可信的数据供后续使用。
关键环节：
- 加载两个 Excel 数据集。
- 检查缺失值并填充（使用
bfill策略填充）。 - 删除重复数据行。
- 删除特定非法值（如
m_dep非正数的非法行）。 - 创建业务衍生字段 “屏幕尺寸”，计算公式为屏幕宽高的欧几里得长度。
import pandas as pd
# 读取 Excel 文件
file1 = "phone1.xlsx"
file2 = "phone2.xlsx"
# 使用 openpyxl 引擎读取数据
df1 = pd.read_excel(file1, engine='openpyxl')
df2 = pd.read_excel(file2, engine='openpyxl')
# 合并数据集
merged_df = pd.concat([df1, df2], ignore_index=True)
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
# 新增字段“屏幕尺寸”
if 'px_height' in merged_df.columns and 'px_width' in merged_df.columns:
merged_df['屏幕尺寸'] = (merged_df['px_height']**2 + merged_df['px_width']**2) ** 0.5
核心作用：
- 数据预处理旨在防止后续分析因数据空值、重复值或非法值而产生报错或异常结果。
- “屏幕尺寸” 字段的添加是基于业务逻辑拓展的重要步骤，为模型提供了额外的特征支持。
2. 描述性统计与分布分析
目的：
- 对特定数值变量（如
mobile_wt、battery_power）进行数据分布的探索，以及统计特征（均值、中位数、众数）的提取。
代码实现：
- 显示均值、中位数和众数：
# 核心数值特征的统计描述
print("描述性统计分析 - 手机基本属性")
for col in ['mobile_wt', 'battery_power', 'pc']:
if col in merged_df.columns:
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
mode = merged_df[col].mode()[0] if not merged_df[col].mode().empty else None
print(f"{col} - 平均值: {mean:.2f}, 中位数: {median}, 众数: {mode}")
- 绘制数据分布：
通过直方图 + 核密度估计展示数据分布，便于判断变量的分布是否对称，是否存在偏态。
import matplotlib.pyplot as plt
# 分布特征：带核密度估计的直方图
fig, axes = plt.subplots(3, 1, figsize=(8, 12))
for i, col in enumerate(['mobile_wt', 'battery_power', 'pc']):
if col in merged_df.columns:
axes[i].hist(merged_df[col], bins=20, density=True, alpha=0.6, label=f'{col}直方图')
merged_df[col].plot.kde(ax=axes[i], color='red', label=f'{col}核密度估计')
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
axes[i].legend()
plt.tight_layout()
输出如下：
- 从分布图可以直观查看特征数据的分布形状：
- 若为双峰形态或偏态分布，可考虑使用对数变换等手段消除偏态。
- 若为近似正态分布，则适合直接用于建模。
3. 分类变量分布分析
目的：
- 分析手机特征（如是否支持双卡、是否支持 4G）的类别分布，展示百分比占比。
代码实现：
- 利用饼状图显示不同类别型特征的分布比例。
# 分类特征分布分析 - 饼图
categorical_cols = ['dual_sim', 'four_g', 'three_g', 'touch_screen']
for col in categorical_cols:
if col in merged_df.columns:
# 统计频数
value_counts = merged_df[col].value_counts(normalize=True) * 100 # 计算百分比
labels = value_counts.index.map(lambda x: f"{x} ({value_counts[x]:.2f}%)")
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
plt.show()
特点：
- 各类别的比例直接反映了特征倾斜性。例如，若
dual_sim中某类占比远超50%，则该变量可能对模型贡献不足。
4. 热力图分析（RAM与内核搭配特征）
目的：
- 使用交叉表和热力图分析不同运行内存与核心数的分布特征，观察变量是否存在某种偏好模式。
代码实现：
import seaborn as sns
# RAM、内核分组后统计频次，绘制热力图
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
plt.figure(figsize=(8, 6))
sns.heatmap(group_counts, annot=True, fmt="d", cmap="YlGnBu")
plt.title("运行内存与内核分组统计热力图")
plt.xlabel("处理器内核数分组")
plt.ylabel("运行内存分组")
plt.show()
分析：
- 热力图便于观察分组统计结果。若某些分组对应的频数特别高，表明这些分组有更高的用户偏好或商业价值。
5. 线性回归模型
目的：
- 预测
price_range，并解读特征对价格的线性贡献。
代码实现：
- 建模：
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
# 提取特征及目标变量
X = merged_df[['battery_power', 'ram', 'n_cores']] # 自变量
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
# 数据集拆分
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 线性回归模型
model = LinearRegression()
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
# 模型评估
print("线性回归模型的系数：", model.coef_)
print("线性回归模型的截距：", model.intercept_)
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
print(f"均方误差（MSE）：{mse:.2f}")
print(f"决定系数（R²）：{r2:.2f}")
- 分析结果：
- 若 R² 接近 1，说明模型有较强的拟合能力。
- 若某些特征系数（
model.coef_）的值很小或负数，表明这些特征对预测贡献甚微或为负面影响。
6. 聚类分析
目的：
- 用无监督学习了解手机特性分组行为。
代码实现：
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
# 特征标准化
features = merged_df[['px_height', 'px_width', '屏幕尺寸', 'four_g']].copy()
scaler = StandardScaler()
scaled_features = scaler.fit_transform(features)
# K 均值聚类分析
optimal_k = 4
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
features['Cluster'] = clusters
# 聚类评价
from sklearn.metrics import silhouette_score
# 代码略...至少10行
# 代码略...至少10行
# 代码略...至少10行
print(f"轮廓系数 (Silhouette Score): {silhouette_avg:.2f}")
输出：
- 聚类标签反映了不同组群手机可能对应的特性偏好。
这段代码从数据清洗到回归、分类和聚类，每一步都设计得合理、高效，且充分考虑了数据和任务特点，为分析智能设备提供了系统支持。
三、可视化分析
