使用简单数学公式预测图书销量

最新推荐文章于 2024-08-14 11:18:59 发布

沈逸

最新推荐文章于 2024-08-14 11:18:59 发布

阅读量5.5k

点赞数 1

文章标签：性能优化 class java 优化 c#

本文链接：https://blog.csdn.net/shenyisyn/article/details/2445347

版权

最近在搞数据挖据。偶然看到有些功能可以应用到一些网站当中去.

大家都上网购买图书的时候一般都会上像 dearbook,当当这样的国内专业购书网站。这些网站一般都会提供一个常用的功能叫做销售排名，用来向大家展现一段时间内图书销售的排名情况。一般都是展现当月的图书销量排名。这里我们其实可以加一个功能叫做“下个月销售排行榜”,这样可以增加用户体验和使用户购书的时候更具有针对性.

废话就不多说了。要完美的完成上述功能，需要大家实现以下2个功能点.

1.对用户分类。即根据用户在网站上的行为特征对用户进行用户特征和喜好的分类。分类的数学模型很多。这些我使用神经网络。（不是本文重点，暂不详述）。

2.根据用户分类。在“下月销售榜”中根据分类展现该分类中图书预测排名.

由于本文主要讲预测。针对于第一点就不描述了。

开门见山,进行做这个功能的准备活动.

1.首先要进行采样，把各个图书的历年或者历月的销售量记录在数据表中.

2.画个坐标图。x轴代表时间 y轴代表销量.我们可以看到一段时间内的数据点可以体现为直线 3.初中时我们就学过直线方程 y=ax+b (不要告诉我你没学过)

4.各个数据点的连接关系并不都是直线，而是形成一个散点图.

5.各个散点其实形成各个数据间的曲线关系。为了表现各个曲线所表示坐标之间的函数关系。我们使用了一个很牛的概念叫作曲线拟合.

6.由于是曲线因此我们不能简单使用y=ax+b直线方程来搞定。原因在第4点.

7.根据我们所学的知识。我们认为各个曲线成线性关系，即数据与数据之间按比例、成直线的关系。在数学上可以理解为一阶导数为常数的函数。

8.由于我们只要根据图书的销售时间和销售量来预测下月的销售量。我们把时间当作自变量X，销售量当作因量Y 结果就是x={2005, 2006, 2007, 2008}, y={222，223，224，225} 这里代表2005年某本书的销量是222本。。。。我们要预测2009年这本书的销量是多少.

9.于是方程式变形.依旧还是y=ax+b.只不过这里我们使用线性回归来近似估计值.注意这里使用了近似两个字.

10.到这里思路清晰。由于是1元方程。于是我们使用一元线性回归来计算a和b的值。

接下来是发放代码 java代码拷贝到c#中一样用

public class OneDimLinear {

private double[][] datax;

public void setDatax(double[][] datax) {
this.datax = datax;
}

public double[][] getDatax() {
return datax;
}
public int getLength(){
return this.datax.length;
}
public double getAValue() //获得自变量A的值
{
   if(!Validate())
    return 0;
double szA1=(this.getLength()*this.getSumXY()-this.getSumX()*this.getSumY());
double szA2=this.getSumSquareX()-Math.pow(this.getSumX(), 2);
if(szA2>0)
{
   return szA1/szA2;
}
else
{
   return 0;
}

}
public double getBValue(double AValue) //获得自变量B的值
{
if(!Validate())
    return 0;
return this.getSumY()/this.getLength()-(AValue*this.getSumX())/this.getLength();
}
public double getLinearValue(double x) //根据自变量X 求因变量Y
{
if(!Validate())
    return 0;
double szA=this.getAValue();
double szB=this.getBValue(szA);
return szA*x+szB;
}
public double getSumX() //获得X值的和
{
double szRes=0;
    if(Validate())
    {
    for(int i=0;i<=this.datax.length-1;i++){
       szRes+=this.datax[i][0];
    }
    return szRes;
    }
    else
       return 0;
}
public double getSumY()//获得Y值的和
{
double szRes=0;
    if(Validate())
    {
    for(int i=0;i<=this.datax.length-1;i++){
       szRes+=this.datax[i][1];
    }
    return szRes;
    }
    else
       return 0;
}
public double getSumXY() //获得x*y的和
{
double szRes=0;
     if(Validate())
     {
     for(int i=0;i<=this.datax.length-1;i++){
        szRes+=this.datax[i][0]*this.datax[i][1];
     }
     return szRes;
     }
     else
        return 0;
}
public double getSumSquareX() //获取X的平方和
{
double szRes=0;
if(Validate())
{
   for(int i=0;i<=this.datax.length-1;i++){
       szRes+=java.lang.Math.pow(this.datax[i][0], 2);
    }
    return szRes;
}
else
   return 0;
}
private boolean Validate() //验证数据是否合法
{
if(this.datax.length<=0)
   return false;
if(this.datax[0].length!=2)
{
   return false;
}
return true;
}