【文件属性】：
文件名称：股票买卖最佳时机leetcode-stockx_competiton:根据运动鞋类型和买家地区等多个因素预测运动鞋的转售价
文件大小：6.36MB
文件格式：ZIP
更新时间：2021-07-07 04:07:59
系统开源
股票买卖最佳时机leetcode
StockX
运动鞋价格预测项目
该项目的目的是根据运动鞋的类型和买家地区等几个因素来预测运动鞋的转售价格。
演示
介绍
鞋类行业包括从事鞋类制造的公司，例如正装鞋、拖鞋、靴子、套鞋、凉鞋以及运动和贸易相关鞋类；
然而，这个行业最赚钱的部门是收藏运动鞋。
StockX
和
GOAT
等市场应用程序的兴起，以及社交媒体网站的激增，在这些网站上，您只需一条消息就能将一双稀有的运动鞋变成现金，这意味着越来越多的人正在出售他们的鞋子。
全球运动鞋转售市场价值已超过
20
亿美元，而一双合适的球鞋可卖到
10,000
美元以上
:money_with_wings:
.
此外，每双鞋的巨大利润率使得转售市场对那些想赚点外快的人具有吸引力，因为在过去的一年里，运动鞋行业的平均利润率为
42.5%。
虽然可以赚很多钱，但由于每双鞋的波动性，买鞋可能会有风险。
运动鞋就像股票，其转售价格每天都在不断变化。
因此，我开发了这个
Web
应用程序来根据日期、鞋码、买家地区等因素预测给定鞋子的价格。
该工具解决了知道哪种运动鞋值得以及何时购买的问题。
目录
入门
安装
克隆这个
repo，创建一个空白的
An
【文件预览】：
stockx_competiton-master
----Visualizations()
--------sneaker_sales_by_brand.jpg(40KB)
--------average_sale_price_by_buyer_region.jpg(278KB)
--------.DS_Store(8KB)
--------average_price_by_buyer_region.png(76KB)
--------sale_pice_distribution_of_off-white_sneakers.jpg(40KB)
--------sneaker_sales_by_buyer_region.jpg(84KB)
--------sneaker_sales_by_sneaker_name.jpg(190KB)
--------average_sale_price_on_relase_dates_over_time.jpg(39KB)
--------average_sale_price_by_sneaker_name.jpg(196KB)
--------general_trends.png(34KB)
--------sale_price_distribution_fo_yeezy_sneakers.jpg(41KB)
--------sneaker_sales_by_release_date.png(49KB)
--------retail_price_over_time.jpg(35KB)
--------sneaker_sales_by_bought_for_more_than_retail.jpg(38KB)
--------average_daily_sale_price.jpg(63KB)
--------sneaker_sales_by_shoe_size.jpg(61KB)
--------sneakers_sales_by_retail_price.jpg(39KB)
----.DS_Store(10KB)
----notebooks()
--------initial_data_cleaning.ipynb(33KB)
--------basic_regression.ipynb(2.47MB)
--------model_building.ipynb(87KB)
--------eda_1.ipynb(1.52MB)
----Application()
--------.DS_Store(6KB)
--------app.py(3KB)
--------templates()
--------static()
----visualizations()
--------demo.gif(4.42MB)
----requirements.txt(128B)
----LICENSE(1KB)
----README.md(10KB)
----data()
--------Sneaker_Name_Avgprice.csv(3KB)
--------StockX-Data-Contest-2019-3.csv(8.48MB)
--------OrderDate_AvgPrice.csv(17KB)
--------Region_AvgPrice.csv(2KB)
--------Explored_Data.csv(10.63MB)
--------Clean_Shoe_Data.csv(8.44MB)
----.gitignore(26B)