文件名称：sales_forecasting:5种机器学习技术来预测产品销售
文件大小：665KB
文件格式：ZIP
更新时间：2024-05-27 00:32:01
JupyterNotebook
5种用于预测销售的机器学习技术 客观的： 使用回归和时间序列建模技术预测每月产品的销售数量 特色技术： EDA 线性回归 森林随机回归 XGBoost 长短期记忆（人工循环神经网络） ARIMA时间序列预测 结果： 从XGBoost和LSTM模型获得了最佳结果 所有模型的预测均在12个月预测的月平均销售额的2％以内 数据源：
【文件预览】：
sales_forecasting-master
----data_preprocessing.py(3KB)
----models.py(10KB)
----notebooks()
--------03_arima_modeling.ipynb(155KB)
--------arima_model_scores.p(182B)
--------01_data_cleaning_and_eda.ipynb(245KB)
--------04_viewing_results.ipynb(39KB)
--------model_scores.p(452B)
--------02_regression_modeling.ipynb(230KB)
----README.md(585B)
----model_output()
--------RandomForest_forecast.png(42KB)
--------LinearRegression_forecast.png(42KB)
--------arima_forecast.png(41KB)
--------lstm_forecast.png(41KB)
--------compare_models.png(28KB)
--------XGBoost_forecast.png(41KB)
----results.py(2KB)