利用人工智能预测乐高包装的LEGO商标尺寸,深入研究竟有惊人发现

Posted MichaelIp

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了利用人工智能预测乐高包装的LEGO商标尺寸,深入研究竟有惊人发现相关的知识,希望对你有一定的参考价值。

导语:不知道大家会不会有天突发奇想,想知道乐高包装上的经典红底白字LOGO的尺寸,到底是标准统一的,还是设计师随缘用PS拖拽出来的?

笔者偶然看到一篇文字:大家有没有想过,乐高包装的LEGO商标尺寸是不是随缘的?
文章作者突然想到一个问题,如果乐高的LOGO尺寸是标准的,那能不能根据图片的比例关系计算出包装的尺寸?
从感官上可以理解,零件数越多的套装,包装就越大,那么就会采用越大的LOGO。但是很快这个美好的猜测就破灭了,通过数据可以看出,不少巨型套装,比如42115兰博基尼的logo,却是小的可怜
基于上述原因,这篇文章的作者就专门认真的去研究了40+个套装,然后把结果填写到Excel里面,继续分析。

----------------------------------------------------我是条分割线------------------------------------------------------------------------

当时作者迫于条件有限,只能用excel做简单的分析,这让我突发奇想, 能不能通过机器学习技术,利用多元线性回归来预测LEGO商标尺寸。

为此,我如数家珍地将我这几年的乐高盒子搬出来,以供研究。

逐一测量:
记录下编号和logo尺寸

一共57个套装,加上之前文章作者的42个数据, 一共99条实验数据(100条数据都不够T。T)
之前文章作者用到了生产年份, 零件数, 售价这三个维度。我觉得反正仍给机械读,何不扩展多几个维度。于是我添加了:
人仔个数, 实物长宽高,盒子的长宽高,重量,适合岁数。

这里感谢“积木圈子”这个公众账号,方便了我完善数据:

Python代码:


import pandas as pd
import numpy as np
import seaborn as sns
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split

#通过read_csv来读取我们的目的数据集
lego_logo_data = pd.read_csv("lego-logo.csv")
#清洗不需要的数据
new_data = lego_logo_data.drop(labels=['name', 'number', 'year', 'date', 'real length(cm)', 'real width(cm)', 'real high(cm)'], axis=1)
#得到我们所需要的数据集且查看其前几列以及数据形状
print('head:', new_data.head(), '\\nShape:', new_data.shape)

#热力图分析
a = pd.DataFrame(new_data)
fig,ax = plt.subplots(figsize=(16,16))
sns.heatmap(np.round(a.corr(),2),linewidths = 0.5,annot=True,ax=ax, vmax=1,vmin = 0, xticklabels=True , yticklabels=True, square=True)
ax.set_yticklabels(ax.get_xticklabels(), rotation=0,fontsize=16)
ax.set_xticklabels(ax.get_xticklabels(), rotation=90,fontsize=16)
plt.show()



通过上面热力图可以看到, 和logo标签大小相关性最大的是盒子的长度,有0.85的相关性,其次就是盒子的宽度, 有0.8的相关性,最无相关性的是人仔数量, 只有0.42的相关性(都猜到人仔没什么相关性,没想到比年龄的相关性还要度,年龄也有0.53的相关性)。

接下来建立散点图来查看数据集里的数据分布。
seaborn的pairplot函数绘制X的每一维度和对应Y的散点图。通过设置size和aspect参数来调节显示的大小和比例。
通过加入一个参数kind=‘reg’,seaborn可以添加一条最佳拟合直线和95%的置信带。

sns.pairplot(new_data, x_vars=['minifigure', 'count', 'price($)', 'box length(cm)', 'box width(cm)', 'box high(cm)', 'weight(kg)', 'age(+)'], y_vars='logo(cm)', height=7, aspect=0.8, kind ='reg')
plt.savefig("pairplot.jpg")
plt.show()

物理可见,盒子长度(box length)的散点图分散的密度比较呈现出一条直线。

这里偷懒就没有,没有手写LinearRegression(),利用sklearn里面的包来对数据集进行划分,以此来创建训练集和测试集
train_size表示训练集所占总数据集的比例

X_train,X_test,Y_train,Y_test = train_test_split(new_data.iloc[:, 1:9], new_data['logo(cm)'], train_size=.80)

print("原始数据特征:", new_data.iloc[:, 1:9].shape,
      ",训练数据特征:", X_train.shape,
      ",测试数据特征:", X_test.shape)

print("原始数据标签:", new_data['logo(cm)'].shape,
      ",训练数据标签:", Y_train.shape,
      ",测试数据标签:", Y_test.shape)

model = LinearRegression()

model.fit(X_train,Y_train)

a  = model.intercept_#截距

b = model.coef_#回归系数

print("最佳拟合线:截距",a,",回归系数:",b)

输出:

原始数据特征: (99, 8) ,训练数据特征: (79, 8) ,测试数据特征: (20, 8)
原始数据标签: (99,) ,训练数据标签: (79,) ,测试数据标签: (20,)
最佳拟合线:截距 0.041345452337445465 ,回归系数: [-2.05281380e-02 -2.78971278e-05 -1.23070046e-02  8.95558033e-02
  4.13082677e-02  7.33723245e-02  3.84568201e-01 -3.09070948e-03]

R方检测

决定系数r平方
对于评估模型的精确度
y误差平方和 = Σ(y实际值 - y预测值)^2
y的总波动 = Σ(y实际值 - y平均值)^2
有多少百分比的y波动没有被回归拟合线所描述 = SSE/总波动
有多少百分比的y波动被回归线描述 = 1 - SSE/总波动 = 决定系数R平方
对于决定系数R平方来说
1) 回归线拟合程度:有多少百分比的y波动刻印有回归线来描述(x的波动变化)
2)值大小:R平方越高,回归模型越精确(取值范围0~1),1无误差,0无法完成拟合

score = model.score(X_test,Y_test)
print(score)

输出

0.8009888167527538

对线性回归进行预测

Y_pred = model.predict(X_test)
print(Y_pred)

plt.plot(range(len(Y_pred)),Y_pred,'b',label="predict")

plt.figure()
plt.plot(range(len(Y_pred)),Y_pred,'b',label="predict")
plt.plot(range(len(Y_pred)),Y_test,'r',label="test")
plt.legend(loc="upper right") #显示图中的标签
plt.xlabel("the number of set")
plt.ylabel('value of logo(cm)')
plt.savefig("ROC.jpg")
plt.show()

红色是测试数据,蓝色是预测数据,R方去到0.8,看上去还行吧。
试下去掉人仔数和年龄,R方去到0.86,其实差不多。

0.8647729279218498


虽然还是没达到0.9,不过也表示相关性有点强了,能基本预测到logo大小。弥补了之前作者的局限。


后记 —— 预测价格

预测商标大小好像有点大材小用,既然有这么多个维度数据,不如预测下价格。
拿回之前的热力图,这里加入年份(year)

基于上面的热力图:
1.价格(price)那一行中, 本以为年份会和价格有关,没想到年份和价格还呈现弱的负相关(-0.15),也就是越来越便宜。。。我觉得这可能是数据量不够导致的,忽略它吧。

2.除此外,人仔数(minifigure)是最没有相关性的,只有0.19. 也就是人仔越多未必卖得越贵,而事实上人仔在玩家心目中还是很占分量的,人仔才是一个乐高套装的灵魂!

3.而相关性最大的是零件数量(count)和重量(weight),分别是0.94和0.98 。这个就很容易理解, 一分钱一分货,零件数越多,重量就越重, 价格也越贵。

某程度乐高还是有良心的,乐高完全可以抓住玩家心理,人仔越多卖越贵,而从数据上来说,乐高的定价都是base on零件成本。

然后我再去掉年份(year),标签大小(logo),人仔数(minifigure),年龄(age)。得出R2尽然竟然有。。。!

0.9866196081280411

0.98的R2值可以说很高了,也就是说,base on它零件数,盒子创宽高,重量,基本上可以预测到乐高套装的定价。
这也和坊间传闻“一个零件一块钱,多少零件多少钱“的概念大体一致啦。


Thanks for watching! 本期文章就到这里,如果大家有什么好的算法或者有趣的💡idea欢迎大家留言

以上是关于利用人工智能预测乐高包装的LEGO商标尺寸,深入研究竟有惊人发现的主要内容,如果未能解决你的问题,请参考以下文章

利用人工智能预测乐高包装的LEGO商标尺寸,深入研究竟有惊人发现

乐高LEGO 21135 Minecraft Crafting Box 2.0

EUIPO利用AI图像识别检索商标和外观设计

没了ipad的周末,看看檀悦小业主创造了什么?

武汉理工大学计算机学院智慧教育,华为Atlas200DK助力武汉理工大学计算机学院人工智能教学研深入开展...

机器学习实战---线性回归提高篇之乐高玩具套件二手价预测