پیش بینی تقاضای محصول با یادگیری ماشین (Product Demand Prediction with Machine Learning)

Stock price prediction

شناسه محصول: 2022-1 دسته: هوش مصنوعی, یادگیری ماشین (machine learning) برچسب: csv, Machine Learning, python, python project, پایتون, پروژه پایتون, پیش بینی تقاضای محصول, پیش بینی تقاضای محصول با یادگیری ماشین تاریخ انتشار: 1 مهر 1403آخرین بروز رسانی: 6 مهر 1403

قیمت محصول

رایگان

جزئیات بیشتر

طراحی با:	Python
طراح و کدنویس پروژه:	محمدرضا باغبانی
قابلیت سفارشی سازی:	دارد
پشتیبانی سریع:	دارد

روند خرید و دسترسی به محصول

در خانه کد، با وجود تلاش‌های بسیار زیاد برای تهیه پروژه‌های کدنویسی، تا حد امکان پروژه‌ها را به صورت رایگان قرار داده‌ایم و هدف اصلی ما در خانه کد، کمک به همه دانشجویان و طالبان علم در این حوزه هست. علاوه برآن برای خرید در وب سایت، خرید با استفاده از کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت. علاوه‌براین که امکان پرداخت به صورت آنلاین فراهم شده است، می‌توان به صورت کارت به کارت نیز برای پرداخت اقدام کرد که برای این امر می‌توانید با پشتیبان سایت در تماس باشید. همچنین برای خرید آسان‌تر از وب‌سایت می‌توانید از منوی سایت گزینه (نحوه خرید و پرداخت) را کلیک نمایید و ویدیوی آموزشی را مشاهده نمایید. توجه نمایید که با توجه به انحصاری بودن پروژه های موجود در وب‌سایت خانه کد و زحمت و تلاش بسیار زیاد برای تهیه هر کدام از پروژه‌ها، خواهش‌مندیم در راستای حمایت از تیم خانه کد، وب‌سایت را به دیگران نیز معرفی نمایید.

دسترسی به فایل محصول به صورت مادام‌العمر
پشتیبانی کاملا رایگان
امکان خرید آنلاین و کارت به کارت
روند خرید آسان از وب‎‌سایت
انحصاری بودن محصولات وب‌سایت

توضیحات مختصر محصول

پیش بینی تقاضای محصول با یادگیری ماشین (Product Demand Prediction with Machine Learning)

پیش بینی تقاضای محصول با یادگیری ماشین:

حتما مطالعه کرده اید که تقاضا برای یک محصول با تغییر قیمت آن متفاوت است. اگر نمونه های واقعی را در نظر بگیرید، می بینید که اگر محصول ضروری نیست، با افزایش قیمت، تقاضای آن کاهش می یابد و با کاهش قیمت، تقاضا افزایش می یابد. اگر می خواهید بدانید چگونه می توانیم تقاضا برای یک محصول را با یادگیری ماشین پیش بینی کنیم، این مقاله برای شما مناسب است. در این مقاله، با پیش‌بینی تقاضای محصول با یادگیری ماشین با استفاده از پایتون آشنا می‌شویم.

پیش بینی تقاضای محصول

یک شرکت تولیدکننده قصد دارد در فصل تعطیلات پیش رو تخفیف‌هایی را بر روی محصول خود ارائه دهد. این شرکت می‌خواهد قیمتی را بیابد که محصولش بتواند در مقایسه با رقبای خود معامله بهتری داشته باشد. برای این کار، شرکت مجموعه داده ای از تغییرات گذشته در فروش بر اساس تغییرات قیمت ارائه کرد. شما باید مدلی را آموزش دهید که بتواند تقاضای محصول را در بازار با بخش های قیمتی مختلف پیش بینی کند.

مجموعه داده ای که در این پژوهش استفاده شده است را از این لینک(کلیک کنید) می‌توانید دانلود کنید…

این دیتاست شامل اطلاعات بخش های زیر می‌باشد:

(شناسه محصول) the product id

(شناسه فروشگاه) store id

(کل قیمتی که محصول در آن فروخته شد) total price at which product was sold

(قیمت پایه ای که محصول در آن فروخته شد) base price at which product was sold

(واحدهای فروخته شده) Units sold

پیش بینی تقاضای محصول با استفاده از پایتون

در ابتدا اقدام به وارد کردن کتابخانه های ضروری پایتون و مجموعه داده ای که برای این کار نیاز داریم می کنیم:

				
					import pandas as pd
import numpy as np
import plotly.express as px
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor

data = pd.read_csv("https://raw.githubusercontent.com/amankharwal/Website-data/master/demand.csv")
data.head()

حال، بررسی می کنیم که آیا این مجموعه داده دارای مقادیر خالی (null values) است یا نه:

				
					data.isnull().sum()

در مجموعه داده پژوهش، تنها یک مقدار از دست رفته در ستون Total Price (قیمت کل) دارد، فعلاً کل ردیف را حذف می‌کنیم:

				
					data = data.dropna()

در ادامه رابطه بین قیمت و تقاضا برای محصول را تحلیل می‌کنیم. در اینجا از نمودار پراکندگی استفاده می‌کنیم تا ببینم تقاضا برای محصول با تغییر قیمت چگونه تغییر می کند:

				
					fig = px.scatter(data, x="Units Sold", y="Total Price",
                 size='Units Sold')
fig.show()

می بینیم که اکثر نقاط داده نشان می دهد که فروش محصول با کاهش قیمت به استثنای برخی موارد در حال افزایش است. حالا نگاهی به همبستگی بین ویژگی های مجموعه داده می‌اندازیم:

				
					print(data.corr())

				
					correlations = data.corr(method='pearson')
plt.figure(figsize=(15, 12))
sns.heatmap(correlations, cmap="coolwarm", annot=True)
plt.show()

استفاده از یادگیری ماشین برای پیش بینی تقاضای محصول:

اکنون به کار آموزش یک مدل یادگیری ماشین برای پیش‌بینی تقاضا برای محصول در قیمت‌های مختلف می‌پردازیم. ستون قیمت کل و قیمت پایه را به عنوان ویژگی هایی برای آموزش مدل انتخاب می کنیم و ستون واحدهای فروخته شده را به عنوان برچسب (Label) برای مدل انتخاب می کنیم:

				
					x = data[["Total Price", "Base Price"]]
y = data["Units Sold"]

در مرحله بعد داده‌ها را به مجموعه‌های آموزشی و آزمایشی (Train and Test) تقسیم کنیم و از الگوریتم رگرسیون درخت تصمیم برای آموزش مدل خود استفاده کنیم:

				
					xtrain, xtest, ytrain, ytest = train_test_split(x, y, 
                                                test_size=0.2, 
                                                random_state=42)
from sklearn.tree import DecisionTreeRegressor
model = DecisionTreeRegressor()
model.fit(xtrain, ytrain)

حال ویژگی‌های (Total Price, Base Price) را در مدل وارد می‌کنیم و پیش بینی می‌کنیم که بر اساس آن مقادیر چه مقدار می توان تقاضا کرد:

				
					#features = [["Total Price", "Base Price"]]
features = np.array([[133.00, 140.00]])
model.predict(features)

جمع بندی:

به این صورت است که می‌توانید یک مدل یادگیری ماشین را برای پیش‌بینی تقاضای محصول با استفاده از پایتون آموزش دهید. قیمت یکی از عوامل مهمی است که بر تقاضای محصول تاثیر می‌گذارد. اگر کالایی یک ضرورت نباشد، تنها تعداد کمی از مردم آن محصول را خریداری می کنند. امیدوارم این مقاله در مورد پیش بینی تقاضای محصول با یادگیری ماشین با استفاده از پایتون مورد پسند شما قرار گرفته باشد. سوالات ارزشمند خود را در بخش نظرات زیر بپرسید.

این آموزش برای همیشه رایگانه! می‌تونید با اشتراک‌گذاری لینک این صفحه از ما حمایت کنید یا اگه دوست دارین می‌تونی با حمایت مالی ما رو در نگهداری سرور سایت و تکمیل تیم پشتیبانی همراهی کنی 🙂 و بهمون انرژی بدید!

we'll help you achieve your goals

انجام پروژه‌های کدنویسی با خانه‌کد

برای انجام پروژه‌های کدنویسی خود با خانه‌کد در تماس باشید؛ هدف ما انجام پروژه‌های شما در زمانی کوتاه و البته با دقت و بازدهی ایده‌آل است. همینطور در خانه کد مجموعه‌داده‌های مختلف در حوزه‌های پژوهشی مختلف موجود هستند. برای انجام پروژه‌ها و دریافت مجموعه‌داده مورد نظر خود، از طریق فرم زیر با ما در تماس باشید تا نیاز شما را با بالاترین کیفیت ممکن ارائه دهیم.

در کنار هم تا رسیدن به بهترین‌ها

نمایش بیشتر

دیدگاه های کاربران

دیدگاهتان را با ما درمیان بگذارید

تعداد دیدگاه : 0 امتیاز کلی : 0.0 توصیه خرید : 0 نفر

بر اساس 0 خرید

هیچ دیدگاهی برای این محصول نوشته نشده است.

لطفا پیش از ارسال نظر، خلاصه قوانین زیر را مطالعه کنید: فارسی بنویسید و از کیبورد فارسی استفاده کنید. بهتر است از فضای خالی (Space) بیش‌از‌حدِ معمول، شکلک یا ایموجی استفاده نکنید و از کشیدن حروف یا کلمات با صفحه‌کلید بپرهیزید. نظرات خود را براساس تجربه و استفاده‌ی عملی و با دقت به نکات فنی ارسال کنید؛ بدون تعصب به محصول خاص، مزایا و معایب را بازگو کنید و بهتر است از ارسال نظرات چندکلمه‌‌ای خودداری کنید.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “پیش بینی تقاضای محصول با یادگیری ماشین (Product Demand Prediction with Machine Learning)”