文章目录
前言
什么是AI?
The theory and development of computer systems able to perform tasks normally requiring human intelligence.(–Oxford Dictionary)
Using data to solve problems.(–cy)
项目介绍
智能供应链(一)
1读取数据
2数据探索
3数据预处理与可视化分析
3.1合并字段与处理缺失值
3.2字段之间相关性可视化
3.3按照不同的Market,Order R,Category Name对销售额度进行分析Sales per customer并且可视化
3.4按照不同的时间维度对销售额进行分析
3.5用户RFM分层管理
3.6不同地区的支付情况分析与可视化
3.7对负收益的订单进行数据分析
3.8欺诈订单分析(支付方式、地区、哪些人欺诈订单较多)
4文件转存为pkl格式
(代码步骤注解见gitee:)智能供应链(一)
智能供应链(二)
1导入数据
2数据探索预处理
2.1根据数据制造我们要预测出来的特征 订单欺诈fraud和订单延迟late_delivery
2.2对特征进行选择
2.3去除类别较少的特征
2.4去除一些跟预测结果无关的特征
2.5去除导致标签泄漏的特征
2.6处理非数值型的特征
3fraud欺诈预测 准备特征和标签
4数据切分和模型预测
5late_delivery订单延期预测(类似仿照步骤3-4)
(代码步骤注解见gitee:)智能供应链(二)
智能供应链(三)
1导入数据
2数据探索预处理
2.1根据数据制造我们要预测出来的特征 订单欺诈fraud和订单延迟late_delivery
2.2对特征进行选择
2.3去除类别较少的特征
2.4去除一些跟预测结果无关的特征
2.5去除导致标签泄漏的特征
2.6处理非数值型的特征
3fraud欺诈预测 准备特征和标签
4数据切分和模型预测
5late_delivery订单延期预测(类似仿照步骤3-4)
6其他模型进行预测
6.1高斯朴素贝叶斯
6.2伯努利朴素贝叶斯
6.3 SVM
6.4决策树
6.5神经网络keras
6.6模型融合
6.7随机森林
6.8Xgboost
7回归任务:对销售额Sales以及订单数量Order Item Quantity预测
7.1准备特征和标签
7.2数据集切分
7.3模型预测和评估
7.3.1线性回归
7.3.2Lasso回归
7.3.3Ridge回归
7.3.4回归树
7.3.5Xgboost
7.3.6lightgbm
7.3.7随机森林
(代码步骤注解见gitee:)智能供应链(三)
总结
(如果您发现我写的有错误,欢迎在评论区批评指正)