标签：11 fit predict 淘宝 2020 销售额 year new reg

获取数据

已知过去10年，淘宝双11 的销售额数据如下：

分析数据

整体观察一下数据
画出散点图，得到：

import matplotlib.pyplot as plt

# 过去10年的数据
X = [year for year in range(2009,2020)]
y = [0.5,9.36,52,191,350,571,912,1207,1682,2135,2684]
plt.scatter(X,y,c='green', alpha=0.6)
plt.show()

设计算法模型

因此我们可以用三次多项式来拟合数据

# 训练模型
# 过去10年的数据
X=[[year] for year in range(2009,2020)]
y=[[0.5],[9.36],[52],[191],[350],[571],[912],[1207],[1682],[2135],[2684]]

from sklearn.preprocessing import PolynomialFeatures
pf = PolynomialFeatures(degree = 3, include_bias = True)
X_new  = pf.fit_transform(X)

from sklearn.linear_model import LinearRegression
reg = LinearRegression()
reg.fit(X_new,y)
print(reg.intercept_)
print(reg.coef_)

进行预测

# 加入预测值并进行预测

# 加入预测值之后
X.append([2020])
X.append([2021])
X_new  = pf.fit_transform(X)

predicts = reg.predict(X_new)
for i in range(len(X)):
    year = X[i]
    predict = predicts[i]
    print("{}\t{}".format(year[0],round(predict[0],3)))

可得，

标签：11,fit,predict,淘宝,2020,销售额,year,new,reg
来源： https://www.cnblogs.com/xuehuiping/p/11844321.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。