利用python中的xgboost对超市销量进行预测

资源包括某超市四个月的各大中小类的销售记录，代码利用星期特征，去除噪声，用xgboost进行预测，代码中包含了一些基础的分析方法，可供新手参考。

# coding=utf-8 ##以utf-8编码储存中文字符
from sklearn.grid_search import GridSearchCV   #Perforing grid search
import pandas as pd
from sklearn.metrics import mean_squared_error
import numpy as np
from scipy.stats import mode
import warnings
from sklearn.cross_validation import train_test_split
import xgboost as xgb
from xgboost.sklearn import XGBClassifier
import operator
import matplotlib.pyplot as plt
import matplotlib
# 根据历史的每天销量预测未来的销量，之前稍微统计，每个月的总量基本是不变的。
# 多少人曾爱慕你年轻的容颜，可是谁有能承受岁月无情的变迁
# 效果其实和求均值差不多
warnings.filterwarnings（‘ignore‘）

def mode_function（df）:
    df = df.astype（int）
    counts = mode（df）
    return counts[0][0]

def score（y_testy_pred）:
    print（y_test）
    print（y_pred）
    return 1.0 / （1.0 + np.sqrt（mean_squared_error（y_test y_pred）））

train = pd.read_csv（‘input/train.csv‘）
print（‘训练集总数‘train.shape）
print（‘字段‘train.columns）
sub = pd.read_csv（‘input/result.csv‘）
sub[‘SaleM‘] = sub[‘日期‘].map（lambda x:int（str（x）[5:6]））
sub[‘SaleD‘] = sub[‘日期‘].map（lambda x:int（str（x）[6:]））
#sub[‘销售日期_D‘] = sub[‘日期‘].map（lambda x:str（x）[-2:]）
sub[‘SaleD‘] = sub[‘SaleD‘] .astype（int）
sub[‘SaleM‘] = sub[‘SaleM‘] .astype（int）
result = sub.copy（）
#print（sub）
sub_train = sub[[‘编码‘ ‘SaleM‘ ‘SaleD‘ ‘销量‘ ‘日期‘]]
#print（“sub_train:“）
#print（sub_train）

train[‘SaleM‘] = train[‘销售日期‘].map（lambda x:int（str（x）[5:6]））
train[‘SaleD‘] = train[‘销售日期‘].map（lambda x:int（str（x）[6:]））
train[‘SaleD‘] = train[‘SaleD‘] .astype（int）
train[‘SaleM‘] = train[‘SaleM‘] .astype（int）
train.drop（[‘大类名称‘ ‘中类名称‘ ‘小类名称‘ ‘销售月份‘ ‘商品编码‘ ‘小类编码‘ ‘单位‘ ‘销售日期‘ ‘规格型号‘ ‘custid‘ ‘商品类型‘ ‘商品单价‘ ‘销售金额‘ ‘销售数量‘ ‘是否促销‘]axis=1inplace=True）



def cal_w（row）:
    if row.SaleM == 1:
        return （row.SaleD + 3） % 7
    elif row.SaleM == 2:
        return （row.SaleD + 6） % 7
    elif row.SaleM == 3:
        return （row.SaleD + 6） % 7
    elif row.SaleM == 4:
        return （row.SaleD + 2） % 7
    elif row.SaleM == 5:
        return （row.SaleD + 4） % 7


train[‘SaleW‘] = train.apply（cal_w axis=1）
train[‘SaleW‘] = train[‘SaleW‘].astype（int）

def cal_wn（row）:
    if row.SaleM == 1:
        return （row.SaleD + 2） / 7 + 1
    elif row.SaleM == 2:
        return （row.SaleD + 5） / 7 + 5
    elif row.SaleM == 3:
        return （row.SaleD + 5） / 7 + 9
    elif row.SaleM == 4:
        return （row.SaleD + 1） / 7 + 14
    elif row.SaleM == 5:
        return （row.SaleD + 3） / 7 + 18


train[‘SaleWn‘] = train.apply（cal_wn axis=1）
train[‘SaleWn‘] = train[‘SaleWn‘].astype（int）

sub_train[‘SaleW‘] = sub_train.apply（cal_w axis=1）
sub_train[‘SaleW‘] = sub_train[‘SaleW‘].astype（int）

sub_train[‘SaleWn‘] = sub_train.apply（cal_wn axis=1）
sub_train[‘SaleWn‘] = sub_train[‘SaleWn‘].astype（int）
#sub_train[‘SaleWn‘] = sub_train.apply（cal_wn axis=1）
#sub_train[‘SaleWn‘] = sub_train[‘SaleWn‘].astype（int）
#sub_train.drop（[‘SaleM‘ ‘SaleD‘] axis=1 inplace=True）
sub_train.drop（[‘日期‘]axis=1inplace=True）
train[‘is_buy‘

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件       74662  2017-10-23 19:05  input\result.csv
     文件     5040446  2017-10-23 18:54  input\train.csv
     文件        8059  2017-11-16 20:22  xgboost_predict.py
     目录           0  2017-10-29 20:47  input\