使用Azure预测沃尔玛销售 在此存储库中,我们介绍了Microsoft Azure的Udacity纳米级程序机器学习工程师的Capstone项目。 在最后一个项目中,我们创建了两个模型来解决预测问题:一个模型使用Automated ML ,另一个模型使用HyperDrive调整了超参数。 然后,我们比较两个模型的性能,并将性能最佳的模型部署为Web服务。 特别是,我们选择Light GBM作为我们的自定义模型,以通过HyperDrive优化超参数。 架构图 数据集 总览 该项目中使用的数据集是Kaggle竞争提供的更大数据集的一小部分。 完整的数据集涵盖了美国三个州(加利福尼亚州,德克萨斯州和威斯康星州)的商店,并包括项目级别,部门,产品类别和商店详细信息。 此外,它具有解释性变量,例如价格,促销,星期几和特殊事件(例如超级碗,情人节和东正教复活节),这些变量通常会影响单位销售并可以
2023-04-06 17:34:13 35.67MB JupyterNotebook
1
BigMart销售预测 BigMart销售数据集包含2013年销售数据,这些数据来自不同城市的10个不同网点的1559种产品。 以下项目的目标是建立一个回归模型,以预测下一年在10个不同的BigMart网点中每种1559产品的销售情况。 BigMart销售数据集还包含每个产品和商店的某些属性。 此模型可帮助BigMart了解在增加整体销售额中起重要作用的产品和商店的属性。 该项目由Harsh Nagoriya自豪地创建。
2023-02-27 02:56:28 1.26MB JupyterNotebook
1
基于ARIMA自回归模型对法国香槟的月销售额预测python实现完整源码+数据+详细注释 包含 1.如何训练Embidding层 2.在Embidding层使用已训练好的词向量_glove 3.数据的初步 可视化分析;4.手动配置ARIMA参数;5.手动配置差分参数;6.网格搜索配置ARIMA参数;7.残差后自相关检测;8.残差修正;9.检查残差预测误差;10.验证模型;11.进行预测;12.数据集分割等
2022-12-02 14:29:50 22KB ARIMA 自回归模型 时间序列预测 LSTM
数据对应文章和实现代码链接 https://datayang.blog.csdn.net/article/details/126816417
2022-10-16 18:07:25 2.68MB 数据分析 机器学习 用户运营
1
销售额数据可视化图表.xlsx
2022-07-02 16:07:22 80KB 月销售额数据可视化图表
每月销售预测 在这个项目中,我使用时间序列分析根据历史数据预测了零售商店的月销售额
2022-06-24 01:10:41 340KB
1
机器学习线性回归 实例数据集——广告投入与销售额
2022-06-17 21:03:28 3KB 机器学习 线性回归 数据集
1
线性回归预测网店销售额的数据集
2022-05-21 15:07:04 40KB python
1
休闲服务行业周观点:冰雪旅游成出行热点,海南免税21年销售额超600亿.pdf
2022-04-06 02:43:49 894KB 资料