Created
Aug 8, 2024 07:03 AM
Favorite
Favorite
Priority
备注
推荐
类型
本文分享知识：
os 模块获取上一级目录的绝对地址pands 读取 sqlite3 数据库中的数据用sklearn中的线性回归模型预测销售额数据pyecharts 绘制柱状图
项目背景
对于商品的销售额预测，小凡之前尝试过许多方法，比如：时间序列模型、线性回归模型等。
使用模型进行数据预测，需要考虑的因素有很多，需要耗费很大的精力，而且效果也不一定好，这里小凡总结了一些简单的方法以供参考：
1、根据销售额的柱形图判断是否需要模型2、根据任务的重要性决定模型的复杂度3、近3个月的加权平均值是最好的选择
小凡常用的数据分析工具是 pandas、numpy ，连接数据库常用的工具是 sqlalchemy
获取数据
所使用的数据均放在 data.db 中，代码的上一级目录
线性数据预测
小凡绘制出所有商品的柱状图后，观察这些柱状图发现：
shapid为1的商品在最近9个月内有上升的趋势，适合用线性回归来预测数据
线性模型预测shopid为 1 的商品在2021年11月的销售额为47636万元，结合10月份的销售数据来看，11月份的销售额在 [44715,47636] 之间
非线性数据预测
shopid为2的商品，在近5个月有升有降的，用模型预测会耗费很大的精力，所以采用加权平均值代替预测值的方法
8月份、9月份、10月份的权重为0.2,0.2,0.6，计算得出11月份的销售额为2093万元，结合10月份的销售数据来看，11月份的销售额在 [2091,2094] 之间
8月份、9月份、10月份的权重为0.2,0.2,0.6，计算得出11月份的销售额为2093万元，结合10月份的销售数据来看，11月份的销售额在 [2091,2094] 之间
源码地址
链接：https://pan.baidu.com/s/1KRDAKfgWTs14EOBap2UWng?pwd=jx0o