人工智能预测2020天猫双十一销量

2023-12-21 23:10:25

历年销量可视化

导包

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

生成对应的年份和销量

#arange(start,stop,step)根据start与stop指定的范围以及step设定的步长，生成一个 ndarray。
years = np.arange(2009,2020)
years

sales = np.array([0.5,9.36,52,191,352,571,912,1208,1682.69,2135,2684])
# 科学计数法
sales

绘制图像

#区别：scatter绘制散点，plot绘制经过点的曲线。
plt.plot(years,sales,'bo')

plt.scatter(years,sales,marker = '*')

预测2020年数据

导包

import numpy as np

import matplotlib.pyplot as plt
%matplotlib inline
#LinearRegression  线性回归
from sklearn.linear_model import LinearRegression

数据

years = np.arange(2009,2020)
sales = np.array([0.5,9.36,52,191,352,571,912,1208,1682.69,2135,2684])
# 科学技术法
display(years,sales)

特征工程

# 特征工程，将年数据使用1~ 11替代，年、数据的特征就更加明显
#reshape（）  用于改变数组的形状。
X = (years - 2008).reshape(-1,1)
X

y = sales
y

#concatenate()函数根据指定的维度，对一个元组、列表中的list或者ndarray进行连接
X = np.concatenate([X**3,X**2,X],axis = -1)
X

训练模型

lr = LinearRegression()

# 训练，算法进行学习
lr.fit(X,y)

# 方程有系数
lr.coef_
#array([  0.12528749,  27.95341492, -83.87369075])

# 方程有截距
lr.intercept_
#58.45757575757489

预测

plt.plot(years - 2008,y,'ro')

# 匿名函数
f = lambda x : 0.1252*x**3 + 27.9534*x**2 - 83.8736*x + 58.4578

# 11 代表2019年
# 2020年 12
#numpy.linspace(start, stop, num=50)  在指定的间隔内返回均匀间隔的数字。
x = np.linspace(1,11,100)

plt.plot(x,f(x),c = 'green')

# 计算2020年天猫双十一的销量
result_2020 = f(12)
print('天猫双十一2020年预测的销量：',result_2020)
#天猫双十一2020年预测的销量： 3293.6098