【python】python基于机器学习与数据分析的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。

在这里插入图片描述

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。

在这里插入图片描述

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。

在这里插入图片描述

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}")