python做销售额预测_Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析...

原标题：Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析

原文链接：http://tecdat.cn/?p=17748

在数据科学学习之旅中，我经常处理日常工作中的时间序列数据集，并据此做出预测。

我将通过以下步骤：

探索性数据分析(EDA)

问题定义(我们要解决什么)

变量识别(我们拥有什么数据)

单变量分析(了解数据集中的每个字段)

多元分析(了解不同领域和目标之间的相互作用)

缺失值处理

离群值处理

变量转换

预测建模

LSTM

XGBoost

问题定义

我们在两个不同的表中提供了商店的以下信息：

商店：每个商店的ID

销售：特定日期的营业额(我们的目标变量)

客户：特定日期的客户数量

StateHoliday：假日

SchoolHoliday：学校假期

StoreType：4个不同的商店：a，b，c，d

CompetitionDistance：到最近的竞争对手商店的距离(以米为单位)

CompetitionOpenSince [月/年]：提供最近的竞争对手开放的大致年份和月份

促销：当天促销与否

Promo2：Promo2是某些商店的连续和连续促销：0 =商店不参与，1 =商店正在参与

PromoInterval：描述促销启动的连续区间，并指定重新开始促销的月份。

利用所有这些信息，我们预测未来6周的销售量。

# 让我们导入EDA所需的库：

import numpy as np # 线性代数

import pandas as pd # 数据处理，CSV文件I / O导入(例如pd.read_csv)

import matplotlib.pyplot as plt

import seaborn as sns

from datetime import datetime