说明：这是一个机器学习实战项目（附带数据+代码+文档+视频解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
1.定义问题
在电子商务领域，现在越来越多的基于历史采购数据、订单数据等，进行销量的预测；本模型也是基于电商的一些历史数据进行销量的建模、预测。
2.获取数据
本数据是模拟数据，分为两部分数据：
训练数据集：data_train.xlsx
测试数据集：data_test.xlsx
在实际应用中，根据自己的数据进行替换即可。
特征数据：x1、x2、x3、x4、x5、x6、x7、x8、x9、x10
标签数据：y
3.数据预处理
1）数据描述性分析：
2）数据完整性、数据类型查看：
从上图可以看到，x1变量存在空值。
3）数据缺失值个数：
可以看到x1变量缺失114个值。
4）缺失值数据比例：
可以看到x1变量缺失值占比0.5%。
5）缺失值填充：这里通过业务上分析：填充0比较合适：
输出结果为0，说明已无缺失值。
6）哑变量处理
特征变量中x10的数值为文本类型：类型1、类型2，不符合机器学习数据要求，需要进行哑特征处理，变为0 1数值。
处理后，数据如下：
4.探索性数据分析
1）目标数据销量分析：
正偏态分析，数据主要集中在0-200之间。
偏度为：6.233259
峰度为：61.185221
偏度：正态分布的偏度为0。若数据分布是对称的，偏度 = 0。
若偏度 > 0，分布为右偏，即分布有一条长尾在右；
若偏度 < 0，分布为左偏，即分布有一条长尾在左。偏度的绝对值越大，说明分布的偏移程度越严重。
峰度：正态分布的峰度为0。
当峰度 > 0，它相比于正态分布要更陡峭或尾部更厚。
当峰度 < 0, 它相比于正态分布更平缓或尾部更薄。
2）特征变量x1和标签变量y关系的散点图：
通过上图可以看出，x1变量和y变量线性相关。
3）特征变量x5和标签变量y关系的散点图：
通过上图可以看出，x5变量和y变量线性相关。
4）相关性分析
说明：正值是正相关、负值时负相关，值越大变量之间的相关性越强。
x1到x9以及y之间的的相关性都比较强。
5.特征工程
1)特征数据和标签数据拆分，y为标签数据，除y之外的为特征数据；
2)训练集拆分，分为训练集和验证集，80%训练集和20%验证集；
特征工程还有很多其他内容，例如数据标准化、降维等等，这个根据实际情况来，本次建模不需要。
6.机器建模
1)建立随机森林回归模型，模型参数如下：
编号 |
参数 |
1 |
n_estimators=100 |
2 |
random_state=1 |
3 |
n_jobs=-1 |
其它参数根据具体数据，具体设置。
2)验证集结果输出与比对：一方面是生成excel表格数据；一方面是生成折线图。
3)生成决策树
由于树比较多 一下子全部转为图片 导致图片看不清晰，所以生成的格式为.dot格式，大家可以根据具体需要把dot转为图片。
不分展示：总共200多页。
7.模型评估
1)评估指标主要采用准确率分值、MAE、MSE、RMSE
编号 |
评估指标名称 |
评估指标值 |
1 |
准确率分值 |
0.9769 |
2 |
MAE |
9.9431 |
3 |
MSE |
2625.5679 |
4 |
RMSE |
51.2402 |
通过上述表格可以看出，此随机森林模型效果良好。
2)模型特征重要性：一方面是输出到excel；一方面是生成柱状图。
8.实际应用
根据最近一周的特征数据，来预测销量(这里的数据，是提前准备好的没有标签的数据)。预测结果如下；
可以根据预测的销量进行备货。
# 本次机器学习项目实战所需的资料，项目资源如下： # 项目说明： # 获取方式一： # 项目实战合集导航： https://docs.qq.com/sheet/DTVd0Y2NNQUlWcmd6?tab=BB08J2 # 获取方式二： 链接：https://pan.baidu.com/s/1_u0XJKK1RTYLJf82WugmAA 提取码：bx3h
