栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

机器学习----预测天猫2022年双十一销售额

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

机器学习----预测天猫2022年双十一销售额

2009年交易额0.5亿;

2010年交易额9.36亿;

2011年交易额33.6亿;

2012年交易额191亿;

2013年交易额362亿元;

2014年交易额达571亿元;

2015年交易额912.17亿元;

2016年交易额1207亿元;

2017年交易额1682亿元;

2018年交易额2135亿元,首次突破2000亿大关;

2019年交易额2684亿元,14秒成交额破10亿,;

2020年交易额4982亿元;

2021年交易额5403亿元。

我们先将所有的数据在界面上绘制出来,看看它复合什么样的数学模型

import numpy as np
import matplotlib.pyplot as plt

# 年份 销售额
data = np.array([[9, 0.5],
                 [10, 9.36],
                 [11, 52],
                 [12, 191],
                 [13, 350.19],
                 [14, 571],
                 [15, 912.17],
                 [16, 1207],
                 [17, 1682],
                 [18, 2135],
                 [19, 2684],
                 [20, 4982],
                 [21, 5403],
                 ])
# 将所有数据绘制出来
plt.scatter(data[:, 0], data[:, 1], c="r")
plt.show()

我们可以猜想,销售额的数据和三次方程比较接近, 我们可以尝试使用三次方程来进行求解

那么这里的公式就应该是: y = m 1 ⋅ x i 3 + m 2 ⋅ x i 2 + m 3 ⋅ x i + b y = m_1cdot x_i^3 + m_2cdot x_i^2 + m_3cdot x_i + b y=m1​⋅xi3​+m2​⋅xi2​+m3​⋅xi​+b 这里我们需要求解的就是最优的m1,m2,m3,b, 也就是我们需要求4个偏导数。

在此之前,我们都是手工推导的,在这里我们使用sympy模块快速计算公式

# y = m1*x^3 + m2*x^2 + m3*x + b
# 求解m1,m2,m3,b使mse最小
# mse/m1,mse/m2,mse/3,mse/b
# b,m,b,m1,m2,m3,b
from sympy import *
m1,m2,m3,b = symbols('m_1,m_2,m_3,b')
init_printing(pretty_print=True)

x_i,real_i,i = symbols("x_i,real_i,i")
MSE = Sum((m1*x_i**3 + m2*x_i**2 + m3*x_i + b - real_i)**2,(i,2009,2021))
MSE

生成的mse公式如下:

然后利用函数,求出mse对每一个变量的偏导数

# 梯度下降算法:找出最优m1,m2,m3,b 使得mse最小
# 初始化参数
m1,m2,m3,b = 1,1,1,1
learning_rate = 0.000000001

def gradientdecent():
    global m1,m2,m3,b
    m1slop,m2slop,m3slop,bslop = 0,0,0,0 
    mse = 0
    
    # 计算偏导数/梯度
    for x,real in data:
        # 푏+푚1푥3푖+푚2푥2푖+푚3푥푖−푟푒푎푙푖
        mse += (b+m1*x**3 + m2*x**2 + m3*x - real)**2
        # 2푥3푖(푏+푚1푥3푖+푚2푥2푖+푚3푥푖−푟푒푎푙푖)
        m1slop += 2*x**3*(b + m1*x**3 + m2*x**2 + m3**x - real)
        m2slop += 2*x**2*(b + m1*x**3 + m2*x**2 + m3**x - real)
        m3slop += 2*x**1*(b + m1*x**3 + m2*x**2 + m3**x - real)
        bslop += 2*(b + m1*x**3 + m2*x**2 + m3**x - real) 
    
    # 更新参数
    m1 = m1 - m1slop*learning_rate
    m2 = m2 - m2slop*learning_rate
    m3 = m3 - m3slop*learning_rate
    b = b - bslop*learning_rate
    
    # print("m1={},m2={},m3={},b={},mse={}".format(m1,m2,m3,b,mse))
    return mse

# 使用循环,进行梯度下降,找到最优的4个参数
np.set_printoptions(suppress=True)
for i in range(100000):
    mse = gradientdecent()
    if i%100000 == 0:
        print("m1={},m2={},m3={},b={},mse={}".format(m1,m2,m3,b,mse))

# 预测y = m1*x^3 + m2*x^2 + m3*x + b  

year = 22
result = m1*year**3 + m2 * year**2 + m3*year + b 
print("预测2022年天猫双十一的销售额:",result)

# 历史数据
plt.scatter(data[:,0],data[:,1])
# 预测数据
plt.scatter(year,result,c="red")

# 绘制曲线
x = np.linspace(9,25,25-9+1)
y = m1*x**3 + m2 * x**2 + m3*x + b 
plt.plot(x,y,c="g")
plt.show()

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/915924.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号