Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析

原文链接:http://tecdat.cn/?p=17748 原文出处:拓端数据部落公众号 在数据科学学习之旅中,我经常处理日常工作中的时间序列数据集,并据此做出预测。
相关视频:LSTM神经网络架构和工作原理及其在Python中的预测应用 Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

LSTM神经网络架构和原理及其在Python中的预测应用
我将通过以下步骤:
探索性数据分析(EDA)

  • 问题定义(我们要解决什么)
  • 变量识别(我们拥有什么数据)
  • 单变量分析(了解数据集中的每个字段)
  • 多元分析(了解不同领域和目标之间的相互作用)
  • 缺失值处理
  • 离群值处理
  • 变量转换
预测建模
  • LSTM
  • XGBoost
问题定义
我们在两个不同的表中提供了商店的以下信息:
  • 商店:每个商店的ID
  • 销售:特定日期的营业额(我们的目标变量)
  • 客户:特定日期的客户数量
  • StateHoliday:假日
  • SchoolHoliday:学校假期
  • StoreType:4个不同的商店:a,b,c,d
  • CompetitionDistance:到最近的竞争对手商店的距离(以米为单位)
  • CompetitionOpenSince [月/年]:提供最近的竞争对手开放的大致年份和月份
  • 促销:当天促销与否
  • Promo2:Promo2是某些商店的连续和连续促销:0 =商店不参与,1 =商店正在参与
  • PromoInterval:描述促销启动的连续区间,并指定重新开始促销的月份。
利用所有这些信息,我们预测未来6周的销售量。
# 让我们导入EDA所需的库:import numpy as np # 线性代数 import pandas as pd # 数据处理,CSV文件I / O导入(例如pd.read_csv) import matplotlib.pyplot as plt import seaborn as sns from datetime import datetime plt.style.use("ggplot") # 绘图#导入训练和测试文件: train\_df = pd.read\_csv("../Data/train.csv") test\_df = pd.read\_csv("../Data/test.csv")#文件中有多少数据: print("在训练集中,我们有", train\_df.shape\[0\], "个观察值和", train\_df.shape\[1\], 列/变量。") print("在测试集中,我们有", test\_df.shape\[0\], "个观察值和", test\_df.shape\[1\], "列/变量。") print("在商店集中,我们有", store\_df.shape\[0\], "个观察值和", store\_df.shape\[1\], "列/变量。")

在训练集中,我们有1017209个观察值和9列/变量。
在测试集中,我们有41088个观测值和8列/变量。
在商店集中,我们有1115个观察值和10列/变量。
首先让我们清理训练数据集。
#查看数据 train\_df.head().append(train\_df.tail()) #显示前5行。

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

train_df.isnull().all() Out\[5\]:StoreFalse DayOfWeekFalse DateFalse SalesFalse CustomersFalse OpenFalse PromoFalse StateHolidayFalse SchoolHolidayFalse dtype: bool

让我们从第一个变量开始->销售量
opened\_sales = (train\_df\[(train_df.Open == 1) #如果商店开业 opened_sales.Sales.describe() Out\[6\]:count422307.000000 mean6951.782199 std3101.768685 min133.000000 25%4853.000000 50%6367.000000 75%8355.000000 max41551.000000 Name: Sales, dtype: float64

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

看一下顾客变量
In \[9\]:train_df.Customers.describe() Out\[9\]:count1.017209e+06 mean6.331459e+02 std4.644117e+02 min0.000000e+00 25%4.050000e+02 50%6.090000e+02 75%8.370000e+02 max7.388000e+03 Name: Customers, dtype: float64

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片


train\_df\[(train\_df.Customers > 6000)\]

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

我们看一下**假期** 变量。

train\_df.StateHoliday.value\_counts()


0855087 0131072 a20260 b6690 c4100 Name: StateHoliday, dtype: int64

train\_df.StateHoliday\_cat.count()

1017209

train_df.tail()

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片


train_df.isnull().all() #检查缺失 Out\[18\]:StoreFalse DayOfWeekFalse DateFalse SalesFalse CustomersFalse OpenFalse PromoFalse SchoolHolidayFalse StateHoliday_catFalse dtype: bool

让我们继续进行商店分析
store\_df.head().append(store\_df.tail())

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

#缺失数据:Store0.000000 StoreType0.000000 Assortment0.000000 CompetitionDistance0.269058 CompetitionOpenSinceMonth31.748879 CompetitionOpenSinceYear31.748879 Promo20.000000 Promo2SinceWeek48.789238 Promo2SinceYear48.789238 PromoInterval48.789238 dtype: float64 In \[21\]:

让我们从缺失的数据开始。第一个是 CompetitionDistance
store_df.CompetitionDistance.plot.box()

让我看看异常值,因此我们可以在均值和中位数之间进行选择来填充NaN

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

缺少数据,因为商店没有竞争。 因此,我建议用零填充缺失的值。

store_df\["CompetitionOpenSinceMonth"\].fillna(0, inplace = True)

让我们看一下促销活动。
store_df.groupby(by = "Promo2", axis = 0).count()

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

如果未进行促销,则应将“促销”中的NaN替换为零
我们合并商店数据和训练集数据,然后继续进行分析。
第一,让我们按销售量、客户等比较商店。
f, ax = plt.subplots(2, 3, figsize = (20,10))plt.subplots_adjust(hspace = 0.3) plt.show()

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

从图中可以看出,StoreType A拥有最多的商店,销售和客户。但是,StoreType D的平均每位客户平均支出最高。只有17家商店的StoreType B拥有最多的平均顾客。
我们逐年查看趋势。
sns.factorplot(data = https://www.it610.com/article/train/_store/_df, # 我们可以看到季节性,但看不到趋势。 该销售额每年保持不变

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

我们看一下相关图。
"CompetitionOpenSinceMonth", "CompetitionOpenSinceYear", "Promo2

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

我们可以得到相关性:
  • 客户与销售(0.82)
  • 促销与销售(0,82)
  • 平均顾客销量 vs促销(0,28)
  • 商店类别 vs 平均顾客销量 (0,44)
我的分析结论:
  • 商店类别 A拥有最多的销售和顾客。
  • 商店类别 B的每位客户平均销售额最低。因此,我认为客户只为小商品而来。
  • 商店类别 D的购物车数量最多。
  • 促销仅在工作日进行。
  • 客户倾向于在星期一(促销)和星期日(没有促销)购买更多商品。
  • 我看不到任何年度趋势。仅季节性模式。
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
文章图片

最受欢迎的见解
1.在python中使用lstm和pytorch进行时间序列预测
2.python中利用长短期记忆模型lstm进行时间序列预测分析
3.使用r语言进行时间序列(arima,指数平滑)分析
【Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析】4.r语言多元copula-garch-模型时间序列预测
5.r语言copulas和金融时间序列案例
6.使用r语言随机波动模型sv处理时间序列中的随机波动
7.r语言时间序列tar阈值自回归模型
8.r语言k-shape时间序列聚类方法对股票价格时间序列聚类
9.python3用arima模型进行时间序列预测

    推荐阅读