全文下載鏈接：http://tecdat.cn/?p=17748

最近我們被客戶要求撰寫關于銷售量時間序列建模預測的研究報告，包括一些圖形和統(tǒng)計輸出。

在本文中，在數(shù)據(jù)科學學習之旅中，我經(jīng)常處理日常工作中的時間序列數(shù)據(jù)集，并據(jù)此做出預測 。

LSTM神經(jīng)網(wǎng)絡架構和原理及其在Python中的預測應用

我將通過以下步驟：

探索性數(shù)據(jù)分析（EDA）

• 問題定義（我們要解決什么）

• 變量識別（我們擁有什么數(shù)據(jù)）

• 單變量分析（了解數(shù)據(jù)集中的每個字段）

• 多元分析（了解不同領域和目標之間的相互作用）

• 缺失值處理

• 離群值處理

• 變量轉換

預測建模

• LSTM

• XGBoost

問題定義

我們在兩個不同的表中提供了商店的以下信息：

• 商店：每個商店的ID

• 銷售：特定日期的營業(yè)額（我們的目標變量）

• 客戶：特定日期的客戶數(shù)量

• StateHoliday：假日

• SchoolHoliday：學校假期

• StoreType：4個不同的商店：a，b，c，d

• CompetitionDistance：到最近的競爭對手商店的距離（以米為單位）

• CompetitionOpenSince?[月/年]：提供最近的競爭對手開放的大致年份和月份

• 促銷：當天促銷與否

• Promo2：Promo2是某些商店的連續(xù)和連續(xù)促銷：0 =商店不參與，1 =商店正在參與

• PromoInterval：描述促銷啟動的連續(xù)區(qū)間，并指定重新開始促銷的月份。

利用所有這些信息，我們預測未來6周的銷售量。

#?讓我們導入EDA所需的庫：import?numpy?as?np?#?線性代數(shù)import?pandas?as?pd?#?數(shù)據(jù)處理，CSV文件I?/?O導入（例如pd.read_csv）import?matplotlib.pyplot?as?pltimport?seaborn?as?snsfrom?datetime?import?datetime plt.style.use("ggplot")?#?繪圖#導入訓練和測試文件：train_df?=?pd.read_csv("../Data/train.csv") test_df?=?pd.read_csv("../Data/test.csv")#文件中有多少數(shù)據(jù)：print("在訓練集中，我們有",?train_df.shape[0],?"個觀察值和",?train_df.shape[1],?列/變量。") print("在測試集中，我們有",?test_df.shape[0],?"個觀察值和",?test_df.shape[1],?"列/變量。") print("在商店集中，我們有",?store_df.shape[0],?"個觀察值和",?store_df.shape[1],?"列/變量。")

在訓練集中，我們有1017209個觀察值和9列/變量。
在測試集中，我們有41088個觀測值和8列/變量。
在商店集中，我們有1115個觀察值和10列/變量。

首先讓我們清理??訓練數(shù)據(jù)集。

#查看數(shù)據(jù)train_df.head().append(train_df.tail())?#顯示前5行。

train_df.isnull().all()Out[5]: Store????????????FalseDayOfWeek????????FalseDate?????????????FalseSales????????????FalseCustomers????????FalseOpen?????????????FalsePromo????????????FalseStateHoliday?????FalseSchoolHoliday????Falsedtype:?bool

讓我們從第一個變量開始->??銷售量

opened_sales?=?(train_df[(train_df.Open?==?1)?#如果商店開業(yè)opened_sales.Sales.describe()Out[6]:count????422307.000000mean???????6951.782199std????????3101.768685min?????????133.00000025%????????4853.00000050%????????6367.00000075%????????8355.000000max???????41551.000000Name:?Sales,?dtype:?float64<matplotlib.axes._subplots.AxesSubplot?at?0x7f7c38fa6588>

看一下顧客變量

In?[9]: train_df.Customers.describe() Out[9]: count????1.017209e+06mean?????6.331459e+02std??????4.644117e+02min??????0.000000e+0025%??????4.050000e+0250%??????6.090000e+0275%??????8.370000e+02max??????7.388000e+03Name:?Customers,?dtype:?float64 <matplotlib.axes._subplots.AxesSubplot?at?0x7f7c3565d240>

train_df[(train_df.Customers?>?6000)]

我們看一下**假期**?變量。

train_df.StateHoliday.value_counts()0????8550870????131072a?????20260b??????6690c??????4100Name:?StateHoliday,?dtype:?int64train_df.StateHoliday_cat.count()1017209train_df.tail()

train_df.isnull().all()?#檢查缺失Out[18]: Store???????????????FalseDayOfWeek???????????FalseDate????????????????FalseSales???????????????FalseCustomers???????????FalseOpen????????????????FalsePromo???????????????FalseSchoolHoliday???????FalseStateHoliday_cat????Falsedtype:?bool

讓我們繼續(xù)進行商店分析

store_df.head().append(store_df.tail())

#缺失數(shù)據(jù)：Store?????????????????????????0.000000 StoreType?????????????????????0.000000 Assortment????????????????????0.000000 CompetitionDistance???????????0.269058 CompetitionOpenSinceMonth????31.748879 CompetitionOpenSinceYear?????31.748879 Promo2????????????????????????0.000000 Promo2SinceWeek??????????????48.789238 Promo2SinceYear??????????????48.789238 PromoInterval????????????????48.789238 dtype:?float64 In?[21]:

讓我們從缺失的數(shù)據(jù)開始。第一個是?CompetitionDistance

store_df.CompetitionDistance.plot.box()

讓我看看異常值，因此我們可以在均值和中位數(shù)之間進行選擇來填充NaN

點擊標題查閱往期內容

Python中利用長短期記憶模型LSTM進行時間序列預測分析 - 預測電力負荷數(shù)據(jù)

左右滑動查看更多

01

02

03

04

缺少數(shù)據(jù)，因為商店沒有競爭。?因此，我建議用零填充缺失的值。store_df["CompetitionOpenSinceMonth"].fillna(0,?inplace?=?True)

讓我們看一下促銷活動。

store_df.groupby(by?=?"Promo2",?axis?=?0).count()

如果未進行促銷，則應將“促銷”中的NaN替換為零?

我們合并商店數(shù)據(jù)和訓練集數(shù)據(jù)，然后繼續(xù)進行分析。

第一，讓我們按銷售量、客戶等比較商店。

f,?ax?=?plt.subplots(2,?3,?figsize?=?(20,10)) plt.subplots_adjust(hspace?=?0.3) plt.show()

從圖中可以看出，StoreType A擁有最多的商店，銷售和客戶。但是，StoreType D的平均每位客戶平均支出最高。只有17家商店的StoreType B擁有最多的平均顧客。

我們逐年查看趨勢。

sns.factorplot(data?=?train_store_df,?#?我們可以看到季節(jié)性，但看不到趨勢。?該銷售額每年保持不變<seaborn.axisgrid.FacetGrid?at?0x7f7c350e0c50>

我們看一下相關圖。

??"CompetitionOpenSinceMonth",?"CompetitionOpenSinceYear",?"Promo2 <matplotlib.axes._subplots.AxesSubplot?at?0x7f7c33d79c18>

我們可以得到相關性：

• 客戶與銷售（0.82）

• 促銷與銷售（0,82）

• 平均顧客銷量 vs促銷（0,28）

• 商店類別 vs 平均顧客銷量 （0,44）

我的分析結論：

• 商店類別 A擁有最多的銷售和顧客。

• 商店類別 B的每位客戶平均銷售額最低。因此，我認為客戶只為小商品而來。

• 商店類別 D的購物車數(shù)量最多。

• 促銷僅在工作日進行。

• 客戶傾向于在星期一（促銷）和星期日（沒有促銷）購買更多商品。

• 我看不到任何年度趨勢。僅季節(jié)性模式。

點擊文末?“閱讀原文”

獲取全文完整代碼數(shù)據(jù)資料。

本文選自《Python對商店數(shù)據(jù)進行l(wèi)stm和xgboost銷售量時間序列建模預測分析》。

點擊標題查閱往期內容

Matlab用深度學習長短期記憶（LSTM）神經(jīng)網(wǎng)絡對文本數(shù)據(jù)進行分類
RNN循環(huán)神經(jīng)網(wǎng)絡 、LSTM長短期記憶網(wǎng)絡實現(xiàn)時間序列長期利率預測
結合新冠疫情COVID-19股票價格預測：ARIMA，KNN和神經(jīng)網(wǎng)絡時間序列分析
深度學習：Keras使用神經(jīng)網(wǎng)絡進行簡單文本分類分析新聞組數(shù)據(jù)
用PyTorch機器學習神經(jīng)網(wǎng)絡分類預測銀行客戶流失模型
PYTHON用LSTM長短期記憶神經(jīng)網(wǎng)絡的參數(shù)優(yōu)化方法預測時間序列洗發(fā)水銷售數(shù)據(jù)
Python用Keras神經(jīng)網(wǎng)絡序列模型回歸擬合預測、準確度檢查和結果可視化
Python用LSTM長短期記憶神經(jīng)網(wǎng)絡對不穩(wěn)定降雨量時間序列進行預測分析
R語言中的神經(jīng)網(wǎng)絡預測時間序列：多層感知器（MLP）和極限學習機（ELM）數(shù)據(jù)分析報告
R語言深度學習：用keras神經(jīng)網(wǎng)絡回歸模型預測時間序列數(shù)據(jù)
Matlab用深度學習長短期記憶（LSTM）神經(jīng)網(wǎng)絡對文本數(shù)據(jù)進行分類
R語言KERAS深度學習CNN卷積神經(jīng)網(wǎng)絡分類識別手寫數(shù)字圖像數(shù)據(jù)（MNIST）
MATLAB中用BP神經(jīng)網(wǎng)絡預測人體脂肪百分比數(shù)據(jù)
Python中用PyTorch機器學習神經(jīng)網(wǎng)絡分類預測銀行客戶流失模型
R語言實現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡）模型進行回歸數(shù)據(jù)分析
SAS使用鳶尾花(iris)數(shù)據(jù)集訓練人工神經(jīng)網(wǎng)絡(ANN)模型
【視頻】R語言實現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡）模型進行回歸數(shù)據(jù)分析
Python使用神經(jīng)網(wǎng)絡進行簡單文本分類
R語言用神經(jīng)網(wǎng)絡改進Nelson-Siegel模型擬合收益率曲線分析
R語言基于遞歸神經(jīng)網(wǎng)絡RNN的溫度時間序列預測
R語言神經(jīng)網(wǎng)絡模型預測車輛數(shù)量時間序列
R語言中的BP神經(jīng)網(wǎng)絡模型分析學生成績
matlab使用長短期記憶（LSTM）神經(jīng)網(wǎng)絡對序列數(shù)據(jù)進行分類
R語言實現(xiàn)擬合神經(jīng)網(wǎng)絡預測和結果可視化
用R語言實現(xiàn)神經(jīng)網(wǎng)絡預測股票實例
使用PYTHON中KERAS的LSTM遞歸神經(jīng)網(wǎng)絡進行時間序列預測
python用于NLP的seq2seq模型實例:用Keras實現(xiàn)神經(jīng)網(wǎng)絡機器翻譯
用于NLP的Python：使用Keras的多標簽文本LSTM神經(jīng)網(wǎng)絡分類