女包销量预测分析

最新推荐文章于 2024-07-11 18:01:45 发布
最新推荐文章于 2024-07-11 18:01:45 发布
阅读量1.5k 收藏 20
点赞数 2
文章标签： 人工智能 python 数据结构与算法
原文链接：http://www.cnblogs.com/wyy1480/p/10403658.html
版权

持续优化中~~~

背景：

　　中国电子商务的发展在全球范围内，处于遥遥领先的位置。在特定节日，如双十一，更是吸引了外国大批的消费者疯狂下单抢购。现随着各大平台的兴起，平台越来越正规化，卖家要懂得利用各方资源，来弥补自身的不足，不断提高商品的曝光率。随着国内一二线城市网购渗透率接近饱和，在未来，三四线城市将成为电商的新一轮战场。这对卖家来说，既是机遇也是挑战。各商家要想提高自己店铺的收益，达到利益最大化，应更重视对自己及行业销售数据的数据分析、了解行业竞争对手的营销方式、营销对象等等，力求更精准度的营销。才能在未来抢占一定的市场份额，活得更好。
　　在社交媒体中，我们可常看到女性朋友追捧各类包包。包包不再单单是通勤、逛街、出游时的必备品，在某种程度上，对部分女性来说，这已经成为一种社会地位的象征。更极端的是，部分女性为了一个几万元的包包，可以选择借贷、吃土……作为商家，应抓住人们的心理，推出市场需求大的包包。那什么样的女包更受消费者青睐呢？
1465325-20190312184114004-672293400.png
——一款COACH蔻驰包包（来自淘宝官网，侵删）

　　现我们针对一份2018年一月的女包销售数据（狗熊会提供的数据资源），对女包销售情况进行数据分析。探讨什么类型的女包更能让消费者剁手，找出关键影响因素，给各商家提供一定的参考价值。

目录：

一.数据探索分析（EDA）
二.清洗数据&数据规约
三.建模
四.总结
五.反思

一.数据探索分析（EDA）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
import warnings
warnings.filterwarnings("ignore")
import seaborn as sns
data = pd.read_csv(r"G:\data\lady bags\lady bags.csv",encoding="gbk")
data.head(4)
售卖名称价格促销价月销量累计评价上市时间大小流行款式名称适用对象款式背包方式质地提拎部件类型闭合方式图案有无夹层箱包硬度适用场景品牌风格
0ELLE女包单肩包迷你斜挎包 休闲百搭女包简约时尚女包新款包包女998.0399.01231.014720.02016年春季小其他青年单肩包单肩斜挎牛皮装卸式提把拉链纯色无软休闲ELLE欧美时尚
1红谷包包2016新款牛皮女包手提包大容量简约杀手包大牌百搭大包AE1169.0589.0771.01132.02016年夏季大杀手包青年手提包NaN牛皮NaN拉链纯色无硬休闲HONGU/红谷欧美时尚
2CHARLES&KEITH 小方包 CK2-20680447 金属流苏单肩斜跨女包469.0NaN340.0147.02016年冬季小小方包青年单肩包单肩斜挎PUNaN磁扣纯色无硬宴会CHARLES&KEITH欧美时尚
3CHARLES&KEITH小方包 CK2-20680447金属流苏单肩斜跨女包469.0NaN330.097.02016年冬季小小方包青年单肩包单肩斜挎PUNaN磁扣纯色无硬宴会CHARLES&KEITH欧美时尚
print("数据集大小：",data.shape)
数据集大小： (6576, 20)
data.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6576 entries, 0 to 6575
Data columns (total 20 columns):
售卖名称      6576 non-null object
价格        6573 non-null float64
促销价       5555 non-null float64
月销量       6511 non-null float64
累计评价      6565 non-null float64
上市时间      6572 non-null object
大小        6572 non-null object
流行款式名称    6572 non-null object
适用对象      6068 non-null object
款式        6574 non-null object
背包方式      5242 non-null object
质地        6572 non-null object
提拎部件类型    5770 non-null object
闭合方式      6402 non-null object
图案        6326 non-null object
有无夹层      6135 non-null object
箱包硬度      6271 non-null object
适用场景      6438 non-null object
品牌        6574 non-null object
风格        6471 non-null object
dtypes: float64(4), object(16)
memory usage: 1.0+ MB

1.数据集有6576个样本数据，包含19个特征，以及1个目标标签：月销量。
1.1目标标签：月销量
1.2 特征
1.2.1 连续型：价格、促销价、累计评价
1.2.2 分类型：售卖名称、上市时间、大小、流行款式名称、适用对象、款式、背包方式、质地、提拎部件类型、闭合方式、图案、有无夹层、箱包硬度、适用场景、品牌、风格

1.1目标标签：月销量

data["月销量"].describe()
count     6511.00000
mean       393.84196
std       1389.86886
min         10.00000
25%         43.00000
50%         85.00000
75%        244.50000
max      45789.00000
Name: 月销量, dtype: float64
sns.distplot(data["月销量"].dropna())
<matplotlib.axes._subplots.AxesSubplot at 0x639262f588>

png
1465325-20190301002302693-3801123.png

print("月销量分析：")
print("偏度Skewness: %f" % data["月销量"].dropna().skew())
print("峰度Kurtosis: %f" % data["月销量"].dropna().kurt())
print("均值：",data["月销量"].dropna().mean())
print("标准差：",data["月销量"].dropna().std())
print("方差：",data["月销量"].dropna().var())
月销量分析：
偏度Skewness: 12.880813
峰度Kurtosis: 262.101560
均值： 393.8419597604055
标准差： 1389.8688599951174
方差： 1931735.447984127

明显看到数据存在右偏情况，即数据大多集中在较小值区域。为了让建模效果更好，我们需要对月销量进行函数变换，使之更接近正态分布。

sns.distplot(np.log(data["月销量"].dropna()))
<matplotlib.axes._subplots.AxesSubplot at 0x638e3aa320>

png
1465325-20190301002319802-1772179806.png

print("变换后的月销量")
print("偏度Skewness: %f" % np.log(data["月销量"].dropna()).skew())
print("峰度Kurtosis: %f" % np.log(data["月销量"].dropna()).kurt())
print("变换后的均值：",np.log(data["月销量"].dropna()).mean())
print("变换后的标准差：",np.log(data["月销量"].dropna()).std())
print("变换后的方差：",np.log(data["月销量"].dropna()).var())
变换后的月销量
偏度Skewness: 0.964234
峰度Kurtosis: 0.652875
变换后的均值： 4.756572444698999
变换后的标准差： 1.3135338810392991
变换后的方差： 1.7253712566381636

明显感受到变换后，“月销量”更加规整，更集中分布。

1.2 特征

1.2.1 连续型：价格、促销价、累计评价

data.describe().drop("月销量",axis=1)   #三个连续型变量的统计量
价格促销价累计评价
count6573.0000005555.0000006565.000000
mean475.231675227.1683581806.450571
std551.135073250.9106815541.317357
min18.0000009.6000000.000000
25%169.00000069.00000071.000000
50%299.000000168.000000275.000000
75%558.000000269.0000001183.000000
max9868.0000002798.000000145571.000000
1.2.1.1 三个连续变量的数据分布图：
sns.distplot(data["价格"].dropna())
<matplotlib.axes._subplots.AxesSubplot at 0x6392f1dc50>

png
1465325-20190301002338452-195270349.png

plt.boxplot(data["价格"].dropna())
{'boxes': [<matplotlib.lines.Line2D at 0x6393136e80>],
 'caps': [<matplotlib.lines.Line2D at 0x6393149898>,
  <matplotlib.lines.Line2D at 0x6393149a58>],
 'fliers': [<matplotlib.lines.Line2D at 0x6393151ac8>],
 'means': [],
 'medians': [<matplotlib.lines.Line2D at 0x63931512b0>],
 'whiskers': [<matplotlib.lines.Line2D at 0x6393142828>,
  <matplotlib.lines.Line2D at 0x6393142fd0>]}

png
1465325-20190301002350367-1388872056.png

sns.distplot(data["促销价"].dropna())
<matplotlib.axes._subplots.AxesSubplot at 0x63930ee278>

png
1465325-20190301002357897-891568126.png

plt.boxplot(data["促销价"].dropna())
{'boxes': [<matplotlib.lines.Line2D at 0x639335fe80>],
 'caps': [<matplotlib.lines.Line2D at 0x6393373898>,
  <matplotlib.lines.Line2D at 0x6393373a58>],
 'fliers': [<matplotlib.lines.Line2D at 0x6393379ac8>],
 'means': [],
 'medians': [<matplotlib.lines.Line2D at 0x63933792b0>],
 'whiskers': [<matplotlib.lines.Line2D at 0x639336b828>,
  <matplotlib.lines.Line2D at 0x639336bfd0>]}

png
1465325-20190301002407128-707277260.png

sns.distplot(data["累计评价"].dropna())
<matplotlib.axes._subplots.AxesSubplot at 0x639331e278>

png
1465325-20190301002413712-1842740603.png

plt.boxplot(data["累计评价"].dropna())
{'boxes': [<matplotlib.lines.Line2D at 0x639358d7f0>],
 'caps': [<matplotlib.lines.Line2D at 0x6393597b70>,
  <matplotlib.lines.Line2D at 0x63935a0a20>],
 'fliers': [<matplotlib.lines.Line2D at 0x63935a8a90>],
 'means': [],
 'medians': [<matplotlib.lines.Line2D at 0x63935a0be0>],
 'whiskers': [<matplotlib.lines.Line2D at 0x639358d9b0>,
  <matplotlib.lines.Line2D at 0x63935979b0>]}

png
1465325-20190301002421640-418776179.png

发现普遍的有变量的最小值和最大值相差较大，数据存在右偏情况，表明数据集中在较小区域，但存在较大值造成拖尾。这些偏大的数值并不利于我们建模。
（1）“价格”的有效计数为6573个，平均值为475，中位数为299，标准差为551。最小值为18，最大值为9868，差距较大。
（2）“促销价”有效计数为5555个，缺失了1000多个数据（16%）。平均值为227，中位数为168，平均值大于中位数。最小值为10，最大值为2798，标准差为251。
（3）“累计评价”有效计数为6565条，平均值为1806条，中位数为275条。最小值为0，最大值为145571，标准差达到5541，可见数据的波动范围较大。

1.2.1.2 函数变换后三个连续变量的数据分布图：
sns.distplot(np.log(data["价格"].dropna()))
<matplotlib.axes._subplots.AxesSubplot at 0x63935151d0>

png
1465325-20190301002434131-1235317610.png

plt.boxplot(np.log(data["价格"].dropna()))
{'boxes': [<matplotlib.lines.Line2D at 0x63937be9e8>],
 'caps': [<matplotlib.lines.Line2D at 0x63937c9d68>,
  <matplotlib.lines.Line2D at 0x63937d2c18>],
 'fliers': [<matplotlib.lines.Line2D at 0x63937d9c88>],
 'means': [],
 'medians': [<matplotlib.lines.Line2D at 0x63937d2dd8>],
 'whiskers': [<matplotlib.lines.Line2D at 0x63937beba8>,
  <matplotlib.lines.Line2D at 0x63937c9ba8>]}

png
1465325-20190301002442167-1771788464.png

sns.distplot(np.log(data["促销价"].dropna()))
<matplotlib.axes._subplots.AxesSubplot at 0x6393761710>

png
1465325-20190301002448602-1075242668.png

plt.boxplot(np.log(data["促销价"].dropna()))
{'boxes': [<matplotlib.lines.Line2D at 0x63939b6d68>],
 'caps': [<matplotlib.lines.Line2D at 0x63939c6780>,
  <matplotlib.lines.Line2D at 0x63939c6f98>],
 'fliers': [<matplotlib.lines.Line2D at 0x63939cdf60>],
 'means': [],
 'medians': [<matplotlib.lines.Line2D at 0x63939cd198>],
 'whiskers': [<matplotlib.lines.Line2D at 0x63939b6f28>,
  <matplotlib.lines.Line2D at 0x63939bff28>]}

png
1465325-20190301002456378-1053963766.png

a = np.log(data["累计评价"].dropna())
a.describe()
count    6565.000000
mean            -inf
std              NaN
min             -inf
25%         4.262680
50%         5.616771
75%         7.075809
max        11.888419
Name: 累计评价, dtype: float64

已知累计评价中有0值得出现，对数变换后变为负无穷，我们将该值去掉后作图看数据的分布：

b = a[a>=0]
sns.distplot(b)
<matplotlib.axes._subplots.AxesSubplot at 0x639376bda0>

png
1465325-20190301002516196-242868235.png

plt.boxplot(b)
{'boxes': [<matplotlib.lines.Line2D at 0x6393bc2780>],
 'caps': [<matplotlib.lines.Line2D at 0x6393bcdb00>,
  <matplotlib.lines.Line2D at 0x6393bd39b0>],
 'fliers': [<matplotlib.lines.Line2D at 0x6393bdba20>],
 'means': [],
 'medians': [<matplotlib.lines.Line2D at 0x6393bd3b70>],
 'whiskers': [<matplotlib.lines.Line2D at 0x6393bc2940>,
  <matplotlib.lines.Line2D at 0x6393bcd940>]}

png
1465325-20190301002522119-1393054397.png

对数变换后：
“价格”：数据的分布较原先更接近正态分布
“促销价”：对数变换后，数据偏度减小，但注意到其缺失值较多
“累计评价”：数据相对集中于某一区域，异常值明显减少。

1.2.2 分类型变量：

售卖名称、上市时间、大小、流行款式名称、适用对象、款式、背包方式、质地、提拎部件类型、闭合方式、图案、有无夹层、箱包硬度、适用场景、品牌、风格

data.describe(include=['O'])
售卖名称上市时间大小流行款式名称适用对象款式背包方式质地提拎部件类型闭合方式图案有无夹层箱包硬度适用场景品牌风格
count6576657265726572606865745242657257706402632661356271643865746471
unique5889194345712185115722671213
top包包2016新款韩版女士单肩包时尚手提包女包小包斜挎包百搭冬季潮2016年秋季中小方包青年单肩包单肩斜挎手提PU软把拉链纯色有软休闲Mexican/稻草人欧美时尚
freq919602742172957673702207129333442388648733293463460631423278
  • 售卖名称：共有5889种名称，分类过多，不利于建模。
  • 上市时间：共有19种分类，其中“2016年秋季”占比最大。
  • 大小：共有4中分类，“中”型女包占比最大。
  • 流行款式名称：共有34种分类，“小方包”占比最大。
  • 适用对象：共有5种分类，“青年”类产品最多
  • 款式：共有7种分类，“单肩包”占比最多。
  • 背包方式：共有12种分类，“单肩斜挎手提”占比最多。
  • 质地：共有18种质地分类，“PU”类占比最大。
  • 提拎部件类型：共有5种分类，“软把”占比最大。
  • 闭合方式：共有11种分类，“拉链”类占比最大。
  • 图案：共有57种分类，“纯色”占比最大。
  • 有无夹层：2分类，有夹层较多。
  • 箱包硬度：2分类，软包较多。
  • 适用场景：共有6个分类，“休闲”类产品较多。
  • 品牌：共有712个品牌，“Mexican/稻草人”占比最大。
  • 风格：13种分类，“欧美时尚”类占比最大。

2.缺失值情况：

2.1针对单个变量：

除了售卖名称，其余变量都有不同程度的缺失。部分变量缺失数量为个位数，但有的变量缺失一千多个值，差异较大。见下表：

missing_number = data.isnull().sum().sort_values(ascending=False)
percent = (data.isnull().sum()/data.isnull().count()).sort_values(ascending=False)
missing_data = pd.concat([missing_number, percent*100], axis=1, keys=["missing_number", "Percentage"])
missing_data
missing_numberPercentage
背包方式133420.285888
促销价102115.526156
提拎部件类型80612.256691
适用对象5087.725061
有无夹层4416.706204
箱包硬度3054.638078
图案2503.801703
闭合方式1742.645985
适用场景1382.098540
风格1051.596715
月销量650.988443
累计评价110.167275
流行款式名称40.060827
大小40.060827
上市时间40.060827
质地40.060827
价格30.045620
款式20.030414
品牌20.030414
售卖名称00.000000

缺失值情况：

  • 小于1%：月销量、累计评价、流行款式名称、大小、上市时间、质地、价格、款式、品牌
  • 1%-5%：箱包硬度、图案、闭合方式、适用场景、风格
  • 5%-10%：适用对象、有无夹层
  • 10%-15%：提拎部件类型
  • 大于15%：背包方式、促销价

可以看到特征：“背包方式”和“促销价”的缺失值较多，超过15%，应当考虑删除。

  • 考虑“促销价”：
data[["价格","促销价"]].corr()
价格促销价
价格1.0000000.871734
促销价0.8717341.000000

已知变量中，还有一个“价格”变量，通过计算线性相关系数，我们发现“价格”与“促销价”之间存在较强的正线性相关关系（0.87），而且“价格”的缺失个数仅为3个（促销价缺失1021个），所以我们剔除“促销价”，保留“价格”因素。

  • 针对变量“背包方式”：
a = data["背包方式"]
b = np.log(data["月销量"])
aa = pd.concat([a,b],axis=1)
plt.figure(figsize=(5,5))
sns.boxplot(x="背包方式",y="月销量",data=aa)
plt.title("背包方式对月销量（对数变换后）的影响")
<matplotlib.text.Text at 0x6394c1fe48>

png
1465325-20190301002547002-2123660258.png

从箱线图来看，多种背包方式，对女包的月销售影响还是有的，但是考虑到其20%的缺失率，我们将对这一变量剔除。

2.2 针对每个样本的缺失值情况：
for i in range(0,21):
    print(i,(data.isnull().T.apply(sum)>=i).sum())
0 6576
1 3328
2 963
3 343
4 179
5 116
6 90
7 73
8 50
9 18
10 4
11 4
12 4
13 4
14 2
15 2
16 1
17 0
18 0
19 0
20 0
  • 样本数据总共有20个变量，缺失最严重的情况：某个样本共缺失16个变量值。
  • 3328个样本（超过50%）都存在缺失值。
  • 15%的样本缺失两个或以上的属性值。
  • 缺失4个或以上属性值的样本有179个，占总样本的2.7%。

从初步观察数据来看，我们需删除变量：促销价、背包方式、售卖名称

data.drop(["促销价","背包方式","售卖名称"],axis=1,inplace=True)
data.shape
(6576, 17)

3.探究自变量对因变量的影响

3.1 价格、累计评价对月销量的影响
data1 = data.dropna()
data1 = pd.concat([np.log(data1[["价格","月销量","累计评价"]]),data1.iloc[:,3:]],axis=1)
data1.corr()
价格月销量累计评价
价格1.000000-0.148725-0.045426
月销量-0.1487251.0000000.605353
累计评价-0.0454260.6053531.000000
plt.scatter(data.价格,data.月销量)
plt.title("价格对月销量的影响")
plt.xlabel("价格")
plt.ylabel("月销量")
<matplotlib.text.Text at 0x6394d98e48>

png
1465325-20190301002600595-419869533.png

价格在做函数变换前，明显看到价格大于2000的女包，其销量普遍很差。
而1000-2000这一部分，其月销量比大于2000元的部分稍微好一点。
大概在0-500这一部分的女包，其销量普遍较好。最高的超过4000的月销量。

plt.scatter(data.累计评价,data.月销量)
plt.title("累计评价对月销量的影响")
plt.xlabel("累计评价")
plt.ylabel("月销量")
<matplotlib.text.Text at 0x6395267a58>

png
1465325-20190301002612753-1931595566.png

可以感受到,累计评价数对月销量存在一定的线性关系。可以看到有个样本的累计评价超过14万，但月销量平平，可能是淘宝刷单的数据。
评价的数量只是影响的其中一个维度，在实际购买中，评论的质量更具有指导作用。

sns.heatmap(data1.corr(),annot=True,square=True,vmax=1,vmin=-1,linewidths=0.1,cmap="RdBu")
plt.title("连续型变量之间的线性关系")
<matplotlib.text.Text at 0x6395343208>

png
1465325-20190301002620038-1363986483.png

看到：

  • “价格”与“月销量”的线性相关系数为-0.15，即价格越高，月销量越低，但是这种线性对应关系很弱。但也不能表明这两者之间没有其他关系，毕竟在现实中，价格对产品的销量还是存在很大影响的。保留该变量。
  • “累计评价”与“月销量”的线性相关系数为0.61，即累计评价越高，月销量越高，我们保留该变量。
3.2 上市时间对月销量的影响
plt.figure(figsize=(17,5))
sns.boxplot(data1["上市时间"],data1["月销量"],data=data1)
plt.title("上市时间对月销量的影响")
<matplotlib.text.Text at 0x639545e860>

png
1465325-20190301002626386-26151756.png

看到2015、2016年的女包产品的月销量较相近，月销量数据普遍右偏。而其他年份的产品月销量有一定的波动。其中2011年以前的产品月销量主要集中于一个小的范围内，且月销量普遍比较低。2017年秋冬的产品月销量的中位数也较低，而且她的箱体较大，即数据分布范围大，有很多大于中位数的值，存在较大的值。保留该变量。

3.2 大小对月销量的影响
data["大小"].value_counts()
中     2742
小     2548
大      927
迷你     355
Name: 大小, dtype: int64
plt.figure(figsize=(4,4))
sns.boxplot(data1["大小"],data1["月销量"],data=data1)
plt.title("大小对月销量的影响")
<matplotlib.text.Text at 0x6395a566a0>

png
1465325-20190301002636468-1913209844.png

看到迷你女包的月销量中位数大于其他大小的女包，而大型女包最小。普遍有较大的月销量值，小、中的包包更是存在一定的大的异常值,这些包包的月销量较突出。实际购买，女包的大小一般会影响消费者的购买意愿，我们保留该变量。

3.3 流行款式名称对月销量的影响
data["流行款式名称"].value_counts()
小方包      1729
其他       1091
托特包       468
贝壳包       424
杀手包       320
翅膀包       282
波士顿包      239
水桶包       230
信封包       174
饺子包       153
菱格链条包     142
机车包       131
马鞍包       131
凯莉包       126
戴妃包       113
邮差包       109
小圆包       106
子母包       105
铂金包        78
新月包        75
流苏包        73
笑脸包        53
医生包        43
编织包        43
小猫包        26
褶皱包        22
玳瑁包        21
果冻包        20
潘多拉包       16
罗马包        14
法棍包         5
缪斯包         5
竹节包         3
豆豆包         2
Name: 流行款式名称, dtype: int64
plt.figure(figsize=(17,4))
sns.boxplot(data1["流行款式名称"],data1["月销量"],data=data1)
plt.title("流行款式名称对月销量的影响")
<matplotlib.text.Text at 0x63957c8550>

png
1465325-20190301002654431-1657113949.png

不同的流行款式对女包的月销量的影响是存在的，我们保留该变量。

3.4 适用对象对月销量的影响
data["适用对象"].value_counts()
青年    5767
中年     280
少年      19
儿童       1
老年       1
Name: 适用对象, dtype: int64
plt.figure(figsize=(4,4))
sns.boxplot(data1["适用对象"],data1["月销量"],data=data1)
plt.title("适用对象对月销量的影响")
<matplotlib.text.Text at 0x6395dd7d68>

png
1465325-20190301002701259-1218827696.png

样本数据中，5767(88%)的女包为青年类产品。看到青年类产品有销量很好的产品，我们保留该变量，看针对不同年龄段的人群，女包的销量是否存在明显差异。

3.5 款式对月销量的影响
data["款式"].value_counts()
单肩包    3702
斜挎包    1540
手提包    1131
手拿包     164
胸包       26
化妆包       9
腰包        2
Name: 款式, dtype: int64
plt.figure(figsize=(7,4))
sns.boxplot(data1["款式"],data1["月销量"],data=data1)
plt.title("款式对月销量的影响")
<matplotlib.text.Text at 0x6395ed0358>

png
1465325-20190301002709095-515326965.png

样本数据中，女包主要为单肩、斜挎、手提包。箱线图中，看到这三者的箱体、中位线位置相差不是很明显，但联系实际，在购买中，不同款式的用途不一样，我们保留该变量。

3.6 质地对月销量的影响
data["质地"].value_counts()
PU     2933
牛皮     2224
其他      503
PVC     283
帆布      183
锦纶      180
牛津纺      88
羊皮       84
涤纶       38
兔毛       20
猪皮        9
呢子        8
鳄鱼皮       7
丝绒        6
无纺布       2
麻         2
牛仔布       1
PC        1
Name: 质地, dtype: int64
plt.figure(figsize=(8,4))
sns.boxplot(data1["质地"],data1["月销量"],data=data1)
plt.title("质地对月销量的影响")
<matplotlib.text.Text at 0x6396235d68>

png
1465325-20190301002718726-1545447474.png

样本数据中，主要为PU和牛皮类的女包。而从箱线图来看，不同质地的女包影响女包的销量，不同的质地，月销量的中位数分布不同，箱体位置也不一样。保留该变量。

3.7 提拎部件类型对月销量的影响
data["提拎部件类型"].value_counts()
软把       3442
硬把        953
装卸式提把     697
锁链式提把     413
伸缩式提把     265
Name: 提拎部件类型, dtype: int64
plt.figure(figsize=(5,4))
sns.boxplot(data1["提拎部件类型"],data1["月销量"],data=data1)
plt.title("提拎部件类型对月销量的影响")
<matplotlib.text.Text at 0x639651d8d0>

png
1465325-20190301002728279-1983002329.png

软把、硬把占大比例。而且，它们的销量表现较好，我们保留该变量。

3.8 闭合方式对月销量的影响
data["闭合方式"].value_counts()
拉链      3886
包盖式      829
锁扣       593
磁扣       556
拉链搭扣     308
抽带        84
其他        62
敞口        42
抽带锁扣      26
挂钩        11
魔术贴        5
Name: 闭合方式, dtype: int64
plt.figure(figsize=(7,4))
sns.boxplot(data1["闭合方式"],data1["月销量"],data=data1)
plt.title("闭合方式对月销量的影响")
<matplotlib.text.Text at 0x6396635a90>

png
1465325-20190301002738569-1814049014.png

data[data["闭合方式"]=="拉链"].shape[0]/data.shape[0]
0.6151922475773679
data[data["闭合方式"]=="包盖式"].shape[0]/data.shape[0]
0.1259768677711785

样本数据中，拉链（62%）、包盖式（13%）产品占大多数。从箱线图看，拉链女包的异常值较多，它的有些销量较好，我们保留该变量。

3.9 图案对月销量的影响
data["图案"].value_counts()
纯色                4873
几何图案               319
动物图案               293
植物花卉               212
卡通动漫               193
格子                 133
人物                  82
文字                  82
条纹                  49
风景                  13
拼色                   7
水果                   5
民族风绣片                4
图腾                   4
刺绣花朵                 4
字母                   3
立体花纹                 3
刺绣                   2
铂金包                  2
鳞片                   2
鳄鱼纹                  2
英文字母                 2
菱格                   2
荔枝纹                  2
自然纹理                 1
Running girl         1
心形图案                 1
徽章                   1
立体蝴蝶结                1
花猫                   1
喵星人                  1
蛇纹                   1
圆球 花朵                1
笑脸                   1
大嘴唇                  1
猫咪图案、鲸鱼图案、猫咪耳朵       1
冰激凌                  1
油蜡                   1
文字、人物、动物、风景等图案       1
彩虹色                  1
花朵贴皮                 1
撞色                   1
红唇                   1
热气球                  1
贝壳包                  1
刺绣蜻蜓                 1
超人图案                 1
鳄鱼纹 蛇纹               1
爱心小鸟                 1
海锚                   1
压花                   1
艺术学院                 1
鸵鸟纹                  1
大象纹                  1
石头纹                  1
镭射料皮层                1
口红、五星                1
Name: 图案, dtype: int64
plt.figure(figsize=(8,4))
sns.boxplot(data1["图案"],data1["月销量"],data=data1)
plt.title("图案对月销量的影响")
<matplotlib.text.Text at 0x639682beb8>

png

1465325-20190301002752596-1868244811.png

从样本数据中，排名前三的图案为：纯色(74%)、几何(5%)、动物(4%)。不同图案，对女包的月销量存在影响。在实际选购中，图案的影响是很重要的。保留该变量。

3.10 有无夹层对月销量的影响
data["有无夹层"].value_counts()
有    3293
无    2842
Name: 有无夹层, dtype: int64
plt.figure(figsize=(3,4))
sns.boxplot(data1["有无夹层"],data1["月销量"],data=data1)
plt.title("有无夹层对月销量的影响")
<matplotlib.text.Text at 0x6396e7bc88>

png
1465325-20190301002759993-945594639.png

有夹层的女包超过50%。从箱线图，看出有夹层的女包销量比无夹层的好一点，我们保留该变量。

3.11 箱包硬度对月销量的影响
data["箱包硬度"].value_counts()
软    4634
硬    1637
Name: 箱包硬度, dtype: int64
plt.figure(figsize=(4,4))
sns.boxplot(data1["箱包硬度"],data1["月销量"],data=data1)
plt.title("箱包硬度对月销量的影响")
<matplotlib.text.Text at 0x6396f77f98>

png
1465325-20190301002808213-811044530.png

看到软硬女包的箱体、中位线位置相近，我们剔除该变量。

3.12 适用场景对月销量的影响
data["适用场景"].value_counts()
休闲    6063
宴会     236
商务     101
其他      22
旅行      13
运动       3
Name: 适用场景, dtype: int64
plt.figure(figsize=(5,4))
sns.boxplot(data1["适用场景"],data1["月销量"],data=data1)
plt.title("适用场景对月销量的影响")
<matplotlib.text.Text at 0x63970381d0>

png
1465325-20190301002818155-1687590280.png

在6576个样本数据中，6063个为休闲类的包包（占92%）。再从箱线图来看，排名前三的：休闲、宴会、商务类包包，它们的箱体位置、中位数很接近，表明其50%的月销量数据比较接近。我们选择剔除此变量。

3.12 品牌对月销量的影响
data["品牌"].value_counts()
Mexican/稻草人                        142
北包包                                125
JONBAG/简·佰格                        124
JUST STAR/欧时纳                      103
toutou                              92
沐鱼                                  87
A-ZA/阿札                             84
Zooler/朱尔                           79
代代花枳                                79
MICHERR/米榭尔                         77
Viney                               76
HONGU/红谷                            75
TUCANO/啄木鸟                          67
御匠坊                                 63
薇纯                                  62
资黛                                  62
伊诗黛                                 61
MISS MUSI/暮思小姐                      61
FOXER/金狐狸                           61
CHARLES&amp;KEITH                   60
ELLE                                55
凡思曼                                 54
ZARA                                53
MAKEV                               53
EMINI HOUSE/伊米妮                     50
mood/妙迪                             50
Danny Bear/丹尼熊                      49
GOOT＆DIYA/古缇蒂亚                      48
La Festin/拉菲斯汀                      48
D.BLACK/黑眼袋袋                        47
                                  ... 
Chareiharper/香奈哈泼                    1
GIOVANNI VALENTINO/卓凡尼·华伦天奴          1
其季                                   1
Mbaoyuan/麦包园                         1
火狐                                   1
圣茵娜                                  1
Disney/迪士尼                           1
TONRIN/彤琳                            1
枫莲丽                                  1
Vihus/威浩                             1
露比妮                                  1
枫雅千代                                 1
俏皮郎                                  1
欧缇路                                  1
copione/科皮妮                          1
XUNZIHANDWORK/薰子手工                   1
LDK/路迪克                              1
云朵工厂                                 1
L.B.CRAZY/爱包狂                        1
欧贝姿                                  1
奈雯                                   1
flower season＆rainy season/花季雨季      1
Tottyblu                             1
杰凡喜                                  1
宾尼兔                                  1
杰利凯利                                 1
E·FREIER/伊菲儿                         1
Puluo-vik/普洛维淇                       1
DU DU                                1
CASGOOTE/查斯·古特                       1
Name: 品牌, Length: 712, dtype: int64
plt.figure(figsize=(100,4))
sns.boxplot(data1["品牌"],data1["月销量"],data=data1)
plt.title("品牌对月销量的影响")
<matplotlib.text.Text at 0x63981ae7f0>

png
1465325-20190301002835523-1875980537.png

总共有712个品牌，从箱线图看到品牌影响女包的月销量，我们保留该变量。

3.12 风格对月销量的影响
data["风格"].value_counts()
欧美时尚     3278
日韩       1724
时尚潮流      689
复古        217
甜美淑女      216
卡通         99
小清新        73
民族风        66
商务/OL      62
学院         24
运动         15
其他          7
摇滚          1
Name: 风格, dtype: int64
plt.figure(figsize=(8,4))
sns.boxplot(data1["风格"],data1["月销量"],data=data1)
plt.title("风格对月销量的影响")
<matplotlib.text.Text at 0x639db87d30>

png
1465325-20190301002843511-2065076645.png

样本中，欧美时尚(接近50%）、日韩（26%）、时尚潮流（10%）的产品占了主导。不同风格也是影响销量的一个重要因素，我们保留该变量。

二.清洗数据&数据规约

2.1 剔除上述不必要的变量

data.columns
Index(['价格', '月销量', '累计评价', '上市时间', '大小', '流行款式名称', '适用对象', '款式', '质地',
       '提拎部件类型', '闭合方式', '图案', '有无夹层', '箱包硬度', '适用场景', '品牌', '风格'],
      dtype='object')
data.drop(["箱包硬度","适用场景"],axis=1,inplace=True)
data.columns
Index(['价格', '月销量', '累计评价', '上市时间', '大小', '流行款式名称', '适用对象', '款式', '质地',
       '提拎部件类型', '闭合方式', '图案', '有无夹层', '品牌', '风格'],
      dtype='object')

2.2 剔除一定的样本

2.2.1 剔除”月销量“缺失的样本
data["月销量"].isnull().sum()
65

月销量有缺失的样本为65个，我们剔除这些样本。

data = data[data["月销量"].notnull()]
data.shape
(6511, 15)
2.2.2 剔除样本缺失值较多的样本
for i in range(16):
    print(i,(data.isnull().T.sum()>=i).sum())
0 6511
1 1437
2 417
3 192
4 113
5 73
6 47
7 3
8 3
9 3
10 3
11 1
12 1
13 0
14 0
15 0

剔除样本缺失值等于4个或大于4个的样本。

data = data[(data.notnull().T.sum())>=12]
data.shape
(6398, 15)

2.3 补填缺失值

data.isnull().sum()
价格          0
月销量         0
累计评价        8
上市时间        0
大小          0
流行款式名称      0
适用对象      427
款式          0
质地          0
提拎部件类型    695
闭合方式       81
图案        152
有无夹层      324
品牌          0
风格         20
dtype: int64
  • 分类变量：用占比最多的一类作为填补值
  • 连续型变量：用中位数插补
data["累计评价"] = data["累计评价"].fillna(275)
data.mode()
价格月销量累计评价上市时间大小流行款式名称适用对象款式质地提拎部件类型闭合方式图案有无夹层品牌风格
0299.032.011.02016年秋季中小方包青年单肩包PU软把拉链纯色有Mexican/稻草人欧美时尚
data.fillna({"适用对象":"青年","提拎部件类型":"软把","闭合方式":"拉链","图案":"纯色","有无夹层":"有","风格":"欧美时尚"},inplace=True)
价格月销量累计评价上市时间大小流行款式名称适用对象款式质地提拎部件类型闭合方式图案有无夹层品牌风格
0998.01231.014720.02016年春季小其他青年单肩包牛皮装卸式提把拉链纯色无ELLE欧美时尚
11169.0771.01132.02016年夏季大杀手包青年手提包牛皮软把拉链纯色无HONGU/红谷欧美时尚
2469.0340.0147.02016年冬季小小方包青年单肩包PU软把磁扣纯色无CHARLES&amp;KEITH欧美时尚
3469.0330.097.02016年冬季小小方包青年单肩包PU软把磁扣纯色无CHARLES&amp;KEITH欧美时尚
4799.01276.07642.02015年春季中翅膀包青年斜挎包牛皮硬把包盖式纯色无JESSIE＆JANE欧美时尚
5599.0130.0132.02016年冬季迷你其他青年单肩包牛皮锁链式提把锁扣人物无EMINI HOUSE/伊米妮欧美时尚
61798.0127.0325.02016年秋季大托特包青年单肩包牛皮装卸式提把拉链纯色无VANESSA HOGAN欧美时尚
7849.0180.0437.02015年秋季中杀手包青年单肩包牛皮软把拉链纯色有DILAKS欧美时尚
81699.0129.0469.02016年秋季中小方包青年斜挎包牛皮软把拉链动物图案无bampo/半坡饰族甜美淑女
91398.0141.01931.02016年春季小波士顿包青年手提包PVC软把拉链文字无Fion/菲安妮欧美时尚
101790.0104.0869.02016年春季小菱格链条包青年单肩包牛皮锁链式提把锁扣纯色无Dissona欧美时尚
111298.0133.0335.02016年秋季小翅膀包青年斜挎包PVC软把包盖式几何图案无WHY甜美淑女
121498.053.045.02016年冬季迷你小方包青年斜挎包牛皮软把锁扣纯色无KHDESIGN/明治欧美时尚
13225.02243.01662.02016年冬季中杀手包青年手提包PU硬把拉链纯色无A-ZA/阿札时尚潮流
14249.0326.0280.02016年冬季小翅膀包青年斜挎包其他装卸式提把包盖式纯色无JONBAG/简·佰格时尚潮流
151380.01746.06491.02016年春季中其他青年单肩包牛皮软把拉链纯色有Zooler/朱尔欧美时尚
1695.018531.06451.02016年冬季中小方包青年手提包PU软把拉链纯色有伊诗黛日韩
17428.01353.06183.02016年夏季中其他青年单肩包牛皮软把拉链纯色有Viney欧美时尚
18794.01842.01324.02016年夏季大杀手包青年手提包牛皮软把拉链纯色有oimei欧美时尚
19598.03035.06401.02015年秋季中杀手包青年手提包PU软把拉链纯色有Mexican/稻草人欧美时尚
20288.01300.0444.02016年冬季中托特包青年单肩包牛皮软把敞口纯色有vvmi/维维米欧美时尚
21558.02113.09179.02015年夏季大戴妃包青年手提包PU软把拉链纯色有Mexican/稻草人欧美时尚
22239.05694.07960.02016年春季小小方包青年斜挎包PU伸缩式提把锁扣纯色有凡思曼甜美淑女
23299.03084.031369.02016年冬季中玳瑁包青年单肩包PU软把拉链纯色有doodoo欧美时尚
241495.02006.07338.02016年冬季中杀手包青年手提包牛皮伸缩式提把拉链纯色有GOOT＆DIYA/古缇蒂亚欧美时尚
25159.0337.0110.02016年冬季中小方包青年单肩包PU软把磁扣立体花纹有toutou时尚潮流
26129.018100.03720.02016年冬季小流苏包青年手提包PU软把拉链纯色有茜秀欧美时尚
27298.02145.01595.02016年冬季中小方包青年斜挎包PU硬把拉链卡通动漫无JUST STAR/欧时纳日韩
28399.071.025.02016年秋季大其他青年手提包牛皮软把拉链植物花卉有Pmsix复古
291030.0809.09043.02015年秋季中杀手包中年单肩包牛皮软把拉链纯色有老人头欧美时尚
................................................
65461790.0104.0870.02016年春季小菱格链条包青年单肩包牛皮锁链式提把锁扣纯色无Dissona欧美时尚
65471498.054.045.02016年冬季迷你小方包青年斜挎包牛皮软把锁扣纯色无KHDESIGN/明治欧美时尚
6548225.02258.01677.02016年冬季中杀手包青年手提包PU硬把拉链纯色无A-ZA/阿札时尚潮流
6549249.0331.0281.02016年冬季小翅膀包青年斜挎包其他装卸式提把包盖式纯色无JONBAG/简·佰格时尚潮流
65501380.01735.06497.02016年春季中其他青年单肩包牛皮软把拉链纯色有Zooler/朱尔欧美时尚
6551428.01360.06191.02016年夏季中其他青年单肩包牛皮软把拉链纯色有Viney欧美时尚
655295.018654.06562.02016年冬季中小方包青年手提包PU软把拉链纯色有伊诗黛日韩
6553239.05723.07991.02016年春季小小方包青年斜挎包PU伸缩式提把锁扣纯色有凡思曼甜美淑女
6554794.01866.01337.02016年夏季大杀手包青年手提包牛皮软把拉链纯色有oimei欧美时尚
6555159.0340.0112.02016年冬季中小方包青年单肩包PU软把磁扣立体花纹有toutou时尚潮流
6556598.03080.06420.02015年秋季中杀手包青年手提包PU软把拉链纯色有Mexican/稻草人欧美时尚
6557558.02121.09198.02015年夏季大戴妃包青年手提包PU软把拉链纯色有Mexican/稻草人欧美时尚
6558299.03098.031391.02016年冬季中玳瑁包青年单肩包PU软把拉链纯色有doodoo欧美时尚
65591495.02022.07340.02016年冬季中杀手包青年手提包牛皮伸缩式提把拉链纯色有GOOT＆DIYA/古缇蒂亚欧美时尚
6560298.02166.01606.02016年冬季中小方包青年斜挎包PU硬把拉链卡通动漫无JUST STAR/欧时纳日韩
6561288.01322.0451.02016年冬季中托特包青年单肩包牛皮软把敞口纯色有vvmi/维维米欧美时尚
6562399.072.025.02016年秋季大其他青年手提包牛皮软把拉链植物花卉有Pmsix复古
6563129.018443.03849.02016年冬季小流苏包青年手提包PU软把拉链纯色有茜秀欧美时尚
65641030.0822.09017.02015年秋季中杀手包中年单肩包牛皮软把拉链纯色有老人头欧美时尚
656589.81229.0887.02016年冬季小小方包青年手提包PU软把包盖式卡通动漫无七公主日韩
6566289.085.047.02016年冬季中其他青年斜挎包牛皮硬把拉链纯色有MISS MUSI/暮思小姐日韩
6567278.02472.025259.02016年夏季小铂金包青年手提包PU软把拉链纯色无D.BLACK/黑眼袋袋欧美时尚
6568256.0293.079.02016年秋季中小方包青年单肩包牛皮硬把锁扣几何图案有Vikosen/威科什日韩
6569588.01047.03282.02016年秋季中托特包青年单肩包牛皮硬把拉链几何图案有FOXER/金狐狸欧美时尚
6570388.0202.053.02016年冬季大其他青年单肩包牛皮软把拉链纯色有莫妮芬欧美时尚
6571288.03086.04103.02016年秋季大其他青年单肩包PU软把拉链纯色有伊莲欧美时尚
6572199.0239.047.02017年春夏迷你小方包青年单肩包PU软把磁扣纯色有Westlink/西遇欧美时尚
6573135.0533.0126.02017年春夏中小方包青年斜挎包PU软把锁扣纯色有黛薇拉欧美时尚
6574189.010515.020648.02016年夏季小小方包青年单肩包PU软把包盖式纯色无Somay时尚潮流
6575229.01672.02443.02016年夏季中小方包青年手提包PU软把拉链纯色有纳丝语时尚潮流

6398 rows × 15 columns

2.4 对连续型变量做对数变换

transformed_num = np.log(data[data.describe().columns])
transformed_num.describe()
价格月销量累计评价
count6398.0000006398.0000006398.000000
mean5.7168564.771208-inf
std0.8946001.315311NaN
min2.8903722.302585-inf
25%5.1239643.7612004.317488
50%5.7004444.4659085.661221
75%6.3080985.5174537.116800
max9.19705210.73179911.888419

累计评价存在负无穷值，需要去除对应的样本。

2.5 整理自变量、因变量

all_data = pd.concat([transformed_num,data.iloc[:,3:]],axis=1)
all_data.shape
(6398, 15)
all_data_noinf = all_data[all_data["累计评价"]>=0]   #剔除累计评价中带有负无穷值的样本
all_data_noinf.shape
(6388, 15)
xx = all_data_noinf.drop(["月销量"],axis=1)
yy = all_data_noinf["月销量"]
print("自变量：",xx.shape)
print("因变量：",yy.shape)
自变量： (6388, 14)
因变量： (6388,)
xx = pd.get_dummies(xx) 
print("Final自变量：",xx.shape)
print("Final因变量：",yy.shape)
Final自变量： (6388, 878)
Final因变量： (6388,)

三.建模

选择用Gradient Boosting Decision Tree（GBDT） 和随机森林

from sklearn.ensemble import RandomForestRegressor,  GradientBoostingRegressor
from sklearn.model_selection import KFold, cross_val_score, train_test_split
from sklearn.metrics import mean_squared_error,mean_absolute_error
from sklearn import cross_validation, metrics
from sklearn.grid_search import GridSearchCV
F:\Anaconda\lib\site-packages\sklearn\cross_validation.py:41: DeprecationWarning: This module was deprecated in version 0.18 in favor of the model_selection module into which all the refactored classes and functions are moved. Also note that the interface of the new CV iterators are different from that of this module. This module will be removed in 0.20.
  "This module will be removed in 0.20.", DeprecationWarning)
F:\Anaconda\lib\site-packages\sklearn\grid_search.py:42: DeprecationWarning: This module was deprecated in version 0.18 in favor of the model_selection module into which all the refactored classes and functions are moved. This module will be removed in 0.20.
  DeprecationWarning)
x_train, x_test, y_train, y_test = train_test_split(xx, yy, test_size=0.3, random_state=2019)

3.1 随机森林

MSE = []
estimators = range(50,500,10)
for num in estimators:
    RFregressor = RandomForestRegressor(n_estimators=num, oob_score=True, max_depth=6, max_features='sqrt', 
                                        min_samples_split=50, min_samples_leaf=15,random_state=100)
    
    RFregressor.fit(x_train,y_train)
    y_pred = RFregressor.predict(x_test)
    MSE.append(mean_squared_error(y_test,y_pred))

plt.plot(estimators,MSE)
plt.xlabel("弱学习器决策树的数量")
plt.ylabel("MSE")
<matplotlib.text.Text at 0x639fb16d68>

png
1465325-20190301003040583-1827737660.png

在50-100间，存在较小的均方误差，下面继续调整：

MSE = []
estimators = range(50,100,5)
for num in estimators:
    RFregressor = RandomForestRegressor(n_estimators=num, oob_score=True, max_depth=6, max_features='sqrt', 
                                        min_samples_split=50, min_samples_leaf=15,random_state=100)
    
    RFregressor.fit(x_train,y_train)
    y_pred = RFregressor.predict(x_test)
    MSE.append(mean_squared_error(y_test,y_pred))

plt.plot(estimators,MSE)
plt.xlabel("弱学习器决策树的数量")
plt.ylabel("MSE")
<matplotlib.text.Text at 0x639eeb29b0>

png
1465325-20190301003050464-62733460.png

把弱学习器个数定到60-70之间：

MSE = []
estimators = range(50,71)
for num in estimators:
    RFregressor = RandomForestRegressor(n_estimators=num, oob_score=True, max_depth=6, max_features='sqrt', 
                                        min_samples_split=50, min_samples_leaf=15,random_state=100)
    
    RFregressor.fit(x_train,y_train)
    y_pred = RFregressor.predict(x_test)
    MSE.append(mean_squared_error(y_test,y_pred))

plt.plot(estimators,MSE)
plt.xlabel("弱学习器决策树的数量")
plt.ylabel("MSE")
<matplotlib.text.Text at 0x639fbf3940>

png
1465325-20190301003059710-268288489.png

将弱学习器的个数定为63，做随机森林：

RFregressor_final = RandomForestRegressor(n_estimators=63, oob_score=True, max_depth=6, max_features='sqrt', 
                                        min_samples_split=50, min_samples_leaf=15,random_state=100)
RFregressor_final.fit(x_train,y_train)
y_pred = RFregressor.predict(x_test)
print("均方误差为：",mean_squared_error(y_test,y_pred))
均方误差为： 1.59085648039

接下来看各自特征的重要性：

feature_importance_RF = RFregressor_final.feature_importances_
feature_importance_RF_trans = feature_importance_RF / (feature_importance_RF.max())
Index_sorted = np.argsort(feature_importance_RF_trans)  #将特征按重要性从小到大排序，得到特征对应的索引的排序（从小到大）
bar_position = np.arange(Index_sorted.shape[0]) + 0.5
plt.figure(figsize=(7,6))
bar_position = np.arange(20) + 0.5
plt.barh(bar_position, feature_importance_RF_trans[Index_sorted][-20:], align="center")
plt.yticks(bar_position, xx.columns[Index_sorted][-20:])
plt.xlabel("属性重要性")
plt.title("前20个重要特征")
<matplotlib.text.Text at 0x639fc9d8d0>

png
1465325-20190301003111563-640152901.png

3.2 GBDT（Gradient Boosting Decision Tree）

MSE_GBDT = []
est = range(60,2000,50)
for num in est:
    GBDT = GradientBoostingRegressor(n_estimators=num, learning_rate=0.05, max_depth=6, max_features="sqrt", 
                                        min_samples_split=50, min_samples_leaf=15, loss="huber", random_state=100)  
    GBDT.fit(x_train,y_train)
    y_pred = GBDT.predict(x_test)
    MSE_GBDT.append(mean_squared_error(y_test,y_pred))

plt.plot(est, MSE_GBDT)
plt.xlabel("弱学习器决策树的数量")
plt.ylabel("MSE")
<matplotlib.text.Text at 0x63a00039b0>

png
1465325-20190301003122305-1610345988.png

MSE_GBDT = []
est = range(1500,3001,50)
for num in est:
    GBDT = GradientBoostingRegressor(n_estimators=num, learning_rate=0.05, max_depth=6, max_features="sqrt", 
                                        min_samples_split=50, min_samples_leaf=15, loss="huber", random_state=100)  
    GBDT.fit(x_train,y_train)
    y_pred = GBDT.predict(x_test)
    MSE_GBDT.append(mean_squared_error(y_test,y_pred))

plt.plot(est, MSE_GBDT)
plt.xlabel("弱学习器决策树的数量")
plt.ylabel("MSE")
<matplotlib.text.Text at 0x63a011ca90>

png
1465325-20190301003128718-1545065350.png

MSE_GBDT = []
est = range(2800,4001,50)
for num in est:
    GBDT = GradientBoostingRegressor(n_estimators=num, learning_rate=0.05, max_depth=6, max_features="sqrt", 
                                        min_samples_split=50, min_samples_leaf=15, loss="huber", random_state=100)  
    GBDT.fit(x_train,y_train)
    y_pred = GBDT.predict(x_test)
    MSE_GBDT.append(mean_squared_error(y_test,y_pred))

plt.plot(est, MSE_GBDT)
plt.xlabel("弱学习器决策树的数量")
plt.ylabel("MSE")
<matplotlib.text.Text at 0x63a021eac8>

png
1465325-20190301003135197-794087036.png

考虑到运行时间，我们取弱学习器数量为3800：

GBDT_final = GradientBoostingRegressor(n_estimators=3800, learning_rate=0.05, max_depth=6, max_features="sqrt", 
                                        min_samples_split=50, min_samples_leaf=15, loss="huber", random_state=100)
GBDT_final.fit(x_train,y_train)
y_pred = GBDT_final.predict(x_test)
print("均方误差为：",mean_squared_error(y_test,y_pred))
均方误差为： 0.637675471294
feature_importance_GB = GBDT_final.feature_importances_
feature_importance_GB_trans = feature_importance_GB / (feature_importance_GB.max())
Index_sorted_GB = np.argsort(feature_importance_GB_trans)  #将特征按重要性从小到大排序，得到特征对应的索引的排序（从小到大）
plt.figure(figsize=(7,6))
bar_position_GB = np.arange(20) + 0.5
plt.barh(bar_position_GB, feature_importance_GB_trans[Index_sorted_GB][-20:], align="center")
plt.yticks(bar_position_GB, xx.columns[Index_sorted_GB][-20:])
plt.xlabel("属性重要性")
plt.title("前20个重要特征")
<matplotlib.text.Text at 0x63a04a3390>

png
1465325-20190301003143919-1184346231.png

四.总结：

1.从上面两个图中，我们看到前20个影响月销量的因素。其中，在878个特征中，累计评价与价格对月销量的影响最大。

  • 针对累计评价，商家在店铺运营中，要注重让买家参与商品的评论，并且提高评论的内容质量。给潜在的买家营造一种该款女包销量好、火爆的的景象，起到吸引消费者的作用。再者，通过评论内容（文字、图片、视频），可以让潜在消费者提前感受到女包的使用体验，让买家有代入感，更具真实感，某种程度上，更能促进消费者的购买欲望。
  • 针对价格，根据品牌的调性，商家主要推出500元以下的产品。根据二八定理，商家可推出少量价格较高、质量较好的产品，主要还是研究主要的消费群体的审美、消费习惯、消费能力，根据其需求，推出新产品。

2.其次，在质地方面，PU和牛皮都入选前20特征。而且，相对来说，PU质地的女包更占优势。商家可优先考虑这两种材质的女包作销售，其次，还可选择羊皮类的产品作产品。
3.流行款式方面，小方包相对其他款更具优势。
4.上市时间方面，2016、2017的产品相对较早的产品，月销量更高。实际商铺运营中，陈年的产品要注意及时处理，在过季时及时作一定的优惠、促销活动，吸引消费者及时消耗掉这批产品。网络时代，消费者的审美变化很快，如果商家不及时淘汰过季产品，赶不上消费者的口味变化，则在最终影响营收，造成损失。
5.款式方面，单肩包与手提包对应的月销量也相对较高。在女性群体中，这两类产品应用场景也比较多，实用性比较强，所以卖家可以多推出此类产品。
6.品牌方面，凡思曼、黑眼袋袋、沐鱼产品的月销量相对较好。
7.风格方面，日韩、欧美系列的产品月销量也相对较高。
8.大小方面，小包、中包的月销量更好，在推出新款中，商家可多推出这两类产品。
9.女包的闭合方式方面，拉链类产品更具优势。
10.图案方面，纯色产品更能让消费者剁手。在推出新图案吸引消费者的同时，不妨考虑经典、耐看的纯色产品，保证一定量的店铺月销量。
11.我们从样本中，看到女包多种多样，其款式、风格、图案等因素的分类多得尤为让人眼花缭乱。这反映了当今时代，女性消费者对个性化的追求，希望通过女包来表达她的一个对生活的态度。不排除部分女性希望通过身上的配饰来吸引别人的眼光，得到别人的赞许。商家可适时地推出一两款款式新颖的女包，给消费者一种新颖的感觉。在平时要注重抖音、小红书、微博的热点，关注一些KOL，及时蹭热点，推出款式类似、相近的女包。
12.在店铺的营运中，要巧妙利用直播、社群来留住我们的用户。打造一个有温度的社区，在社群中，及时发布新品发布信息、活动信息、优惠信息、销售排行版、缺货补货信息，分享店铺下期新品趋势、卖家旅游动态、选品动态、一些潮流资讯、服装搭配技巧，让消费者觉得这是一个活的、有用的、真实的、能找到存在感的社区，提高用户的留存。平时多与买家互动，对于售前售后的疑问及时做出解答，树立形象。提高用户的黏着性，才有后期的转化动作。
13.打造一个有品牌、有自己格调的店铺，专注于一定的群体，最好针对20-35岁的女性群体。这部分人有一定的经济能力，且对美的追求是有很强劲的需求的。商家可以到小红书、微博等平台，做一个官方的宣传或者是以普通卖家的身份对女包产品进行点评，给广大女性群体种草，或者借助自己店铺中的顾客，给予一定的奖励（免费送某款包包、半价等）来到这些平台分享女包。注重售后的反馈，收集卖家的意见（以问卷调查，给予一定的选项），来不断优化店铺的运营方式，实现更高的创收。

五.反思

  • 对numpy、pandas的操作更为熟练，作图方面，同时作多图需补起来。
  • 对数据出现偏态的处理能力有待提高。
  • 最后调参过程中，用GridsearchCV调参耗时过长，没有调出来，后面再尝试用此法调参，看效果如何。

转载于:https://www.cnblogs.com/wyy1480/p/10403658.html

weixin_30583563
关注
  • 2
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
女式背包行业调研报告 - 市场现状分析与发展前景预测
贝哲斯报告中心
03-29 401
女式背包市场的企业竞争态势 该报告涉及的主要国际市场参与者有Dior、LVMH、Coach、Kering、Prada、Michael Kors、Hermes、Chanel、Richemont Group、Kate Spade、Burberry、Tory Burch、Septwolves、Fion、Goldlion、Wanlima、The North Face、Nike、Osprey、Rebecca Minkoff、Adidas、ZARA等。这些参与者的市场份额、收入、公司概况和SWOT分...
一维时序数据_时序分析汽车销量预测
weixin_36357900的博客
01-05 2486
0x00 前言新能源慢慢进入我们的生活，现在大街上随处可见新能源车，2019年特斯拉国产化了，进入2020年，特斯拉已经交付了第一批国产化的新能源车，同时价格已经压到29.9W元的大关，预期还会降低到25.5W。特斯拉不仅在侵蚀国产新能车的份额，更是冲击着传统汽车的市场。在新能车的冲击下，传统汽车的销量会如何？上次我们已经学了时序分析。用支付宝的余额的时间序列来说明了一些概念。今天我们...
pytorch用FCN语义分割手提包数据集(训练+预测单张输入图片代码)
ZJE
06-17 1万+
一，手提包数据集 数据集下载：用pytorch写FCN进行手提包的语义分割。 training data(https://github.com/yunlongdong/FCN-pytorch-easiest/tree/master/last)，放到bag_data文件夹下 ground-truth label(https://github.com/yunlongdong/FCN-pytorch...
MyISAM InnoDB 发音(怎么读，读什么)
热门推荐
so true_interview /
10-09 9万+
mysql 有两种数据库引擎 一种是 MyISAM,一种是 InnoDB  MyISAM 发音为 "my-z[ei]m"; InnoDB 发音为 "in-no-db"
OOA OOP OOD OOT
07-14 1434
百度百科：OOAObject-Oriented Analysis：面向对象分析方法是在一个系统的开发过程中进行了系统业务调查以后，按照面向对象的思想来分析问题。OOA与结构化分析有较大的区别。OOA所强调的是在系统调查资料的基础上，针对OO方法所需要的素材进行的归类分析和整理，而
营销经理简历案例参考（精选篇）
Huanzhucv的博客
06-08 665
伸手摘星，即使徒劳无功，亦不至一手污泥”本人过去一直从事合伙创业，主要涉及互联网营销以及商务合作方面，可以很好的与人沟通，并总结发现其潜在需求，做事谨慎，有一定的协调能力和抗压能力。时间：20xx.4-20xx.6 项目名称：幻主简历xxx项目案例项目角色：运营兼技术经理 项目描述：大承工坊是一家专门从事皮底鞋制作的工厂，在北京已有10多年的历史，拥有最先进的生产流水线，生产的皮鞋提供给北京各大定制店。负责与粉丝互动，设置抽奖活动，撰写日常互动文案、宣传文案，以及VIP客户的客服接待；
五分钟商学院(基础---商业篇)
m0_57105290的博客
08-03 1万+
五分钟商学院的学习笔记
禅与维修摩托车的艺术_罗伯特-M-波西格
houxiaogang05
03-09 4万+
----------------------- Page 1-----------------------=================追寻生命的价值：万里任禅游作 者： 罗伯特-M-波西格一段横跨美国的大陆的摩托车之旅，一场拥有两个主讲的哲学肖陶扩，追寻自我，追寻真理，追寻生命的深层价值。本书的故事并不复杂，也没有引人入胜的情节，讲述的只是一个男人在游历中体悟生命意义、获得自我拯救的过程，但...
2020品牌女包行业分析调研报告
05-02
2020品牌女包行业分析调研报告
女包品牌&产品分析_模板.psd
02-07
女包品牌&产品分析_模板.psd
行业数据分析 淘宝主要类目成交数据分析 淘宝主要各行业销售额明细数据分析 共55页.ppt
06-03
重点类目成交量变化及TOP10品牌 女装/女士精品 男装 手机 美容护肤 彩妆/香水 家用电器 笔记本电脑 电脑硬件/台式机/网络设备 数码相机/摄像机/摄影器材 箱包皮具/热销女包/男包 零食/坚果/茶叶/特产
潮宏基-业绩符合预期，看好未来珠宝女包双轮驱动.pdf
02-22
潮宏基-业绩符合预期，看好未来珠宝女包双轮驱动.pdf
紫色优雅女包商城网页模板
01-21
【紫色优雅女包商城网页模板】是一个专门为女性包包销售打造的网页设计模板，它结合了紫色调的高贵与优雅，旨在吸引女性消费者的注意力，提升品牌形象和用户体验。在设计上，这款模板注重细节处理，力求营造出温馨、...
YOLOv10改进 | 特殊场景检测篇 | 轻量级的低照度图像增强网络IAT改进YOLOv10暗光检测（全网独家首发）
Snu77的博客
07-11 61
本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意力查询来表示和调整ISP相关参数，例如颜色校正、伽马校正。模型具有约90k参数和约0.004s的处理速度，能够在低光增强和曝光校正的基准数据集上持续实现优于最新技术（State-of-The-Art, SOTA）
CV06_Canny边缘检测算法和python实现
最新发布
https://github.com/foxpup11?tab=repositories
07-11 347
https://www.bilibili.com/video/BV1qU4y1U7aK/?spm_id_from=333.337.search-card.all.click&vd_source=7dace3632125a1ef7fd32c285eb2fbac
AI技术的转变：从辨别式到生成式
学IT，找陈寒
07-09 2975
李彦宏在2024世界人工智能大会上的发言，提醒我们在AI技术发展的道路上，不要盲目追求技术本身或表面的用户数据，而应更多地关注技术的实际应用和产业价值。在大模型技术与个性化应用之间找到平衡，将是未来发展的关键。作为AI从业者和技术爱好者，我们应以务实的态度，探索AI技术在各个领域的实际应用，为产业发展和社会进步贡献力量。通过李彦宏的发言，我深刻认识到AI技术发展的方向和挑战，也更加坚定了自己在这一领域继续探索和创新的信心。未来，愿我们共同努力，推动AI技术更好地服务于社会和产业，为人类创造更美好的未来。
7.深度学习概述
MechMaster
07-10 683
1. 线性回归 1.1 线性回归一般表达式 1.2 线性回归内积表达方式： 1.3 多个样本时，线性回归的进一步表达： 1.4 线性回归方程的解析 1.5 线性回归就是求loss函数的最小值 2. 如何求函数最小值 2.1 一个例子 2.2 求导法——求最小值 2.3 求导法存在的问题 2.4 迭代法——求最小值 3. 代码实现 3.1 手动求函数最小值 3.2 使用pytorch求函数最小值
UGC与AI引领的下一个10年，丝芭传媒已经准备好
NewsMash的博客
07-08 640
目前，美踏正在根据技术测试获得的反馈数据友好产品，具体的运营策略，也在跟随产品调整与平衡，未来产品生态系统中将陆续加入基于AI和UGC融合的次世代音乐舞蹈模拟，虚拟养成和大型休闲和派对游戏，宠物养成和卡牌对战等游戏产品，以及AI模拟全互动综艺的全新产品。其次，用户为什么要在这个场景里沉淀，逻辑也没有跑通。比如，以往偶像经济中，粉丝更多的是作为应援客体的身份，但在元宇宙平台上，借助UGC创作工具，他们可以自己生成虚拟形象和娱乐内容，举办个人虚拟公演与虚拟演出，甚至可能和自己的偶像的虚拟分身同台表演。
淘小包商城网站设计与实现.pdf
07-05
淘小包商城网站设计与实现.pdf

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值