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。
2019-12-21 20:34:23
750KB
1
从网站爬取口红销售数据，分析影响销售数据的重要因素以及根据销售因素建模预测其销售量。 本文先将数据进行预处理得到实验数据， 然后着重分析朴素贝叶斯判别分析算法、 AdaBoost 算法以及随机森林算法在口红销量预测中的效果， 并在随机森林算法中进行模型优化。 通过实验结果表明总评价数、 价格和描述分这三个因素对销售量的影响较大，对三个算法对比分析得出随机森林算法预测错误率最低，有较好的预测效果。
2019-12-21 20:20:59
4.29MB
1
写了一下2019年的“华中杯”B题，在第一问建立了2个模型分别是神经网络与灰色理论预测，第二三问用数据挖掘的方式
2019-12-21 19:46:58
1.47MB
1