数值变量和分类变量之间的简单线性回归

Question

我需要你的帮助，因为我是数据分析方面的新手。我有一个数据框 iv csv，其中包含有关销售业绩的数据。数据集的列为“SalesDate”为 datetime64[ns]、“ProductCategory”为对象、“SalesAmount”为 int64、“CustomerAge”为 int64、“CustomerGender”为对象、“CustomerLocation”为 int64 和“ProductRatings”为 int64。除“SalesDate”和“SalesAmount”之外的所有变量都必须是分类变量。我的问题是：

1. 我是否必须首先将变量转换为分类变量，然后使用方法 dummies 或 one-hot-encoding？
2. 如何建立“SalesAmount”和“ProductCategory”之间的线性回归并进行预测？

Answer 1

您可以截取前五行数据的屏幕截图并分享吗？

根据您提供的信息：

1. 我会查看您正在进行的分析类型，并将日期时间转换为更精确的格式。例如，如果您正在分析几年的数据，并且确切的销售日期不相关，则可以将日期时间列分成两个新列：月份和年份。

2. 这取决于您想要预测的内容。因此，您应该将这些参数之一作为目标变量，并将其与数据集的其余部分分开。如果产品类别是您的目标变量，那么它不应该是分类任务而不是回归任务吗？

另外，我不确定为什么客户年龄（int 64）会是一个分类变量（除非它是一个范围）。因此，您可能想首先更仔细地研究数据。