預測銷售是機器學習(ML)的常見且必不可少的用途。預測銷售可用于確定基準并確定新計劃的增量影響，根據預期需求規劃資源以及規劃未來預算。在本文中，我將展示如何實現5種不同的ML模型來預測銷售。

初期準備

首先我們先加載數據并將其轉換為一個結構，然后將其用于每個模型。以原始格式，每一行數據代表十個商店中一天的銷售額。我們的目標是預測月度銷售額，因此我們將首先將所有商店和天數合并為月度總銷售額。

def load_data():   
    return pd.read_csv('D:\Jupyter\dataset\demand-forecasting-kernels-only/train.csv')   
 
 
def monthly_sales(data): 
    monthly_data = data.copy() 
    monthly_datamonthly_data.date = monthly_data.date.apply(lambda x: str(x)[:-3]) 
    monthly_datamonthly_data = monthly_data.groupby('date')['sales'].sum().reset_index() 
    monthly_data.date = pd.to_datetime(monthly_data.date) 
    return monthly_data 
 
monthly_df = monthly_sales(sales_data) 
monthly_df.head() 

在我們的新數據框中，每一行現在代表所有商店在給定月份的總銷售額。

如果我們繪制隨時間變化的每月總銷售量，我們會看到平均每月銷售量隨時間增加，這意味著我們的數據不是固定的。為了使其平穩，我們將計算每月銷售額之間的差異，并將其作為新列添加到我們的數據框中。

def get_diff(data): 
    data['sales_diff'] = data.sales.diff() 
    datadata = data.dropna() 
     
    data.to_csv('D:/Jupyter/dataset/demand-forecasting-kernels-only/stationary_df.csv') 
    return data 
 
stationary_df = get_diff(monthly_df) 

下面是差異轉換前后數據外觀的直觀表示：

比較差異前后的平穩性

現在，我們的數據代表了每月的銷售額，并且已經將其轉換為固定值，接下來我們將為不同的模型類型設置數據。為此，我們將定義兩種不同的結構：一種將用于ARIMA建模，另一種將用于其余的模型。

對于我們的Arima模型，我們只需要一個日期時間索引和因變量(銷售額差異)列。

def generate_arima_data(data): 
    dt_data = data.set_index('date').drop('sales', axis=1) 
    dt_data.dropna(axis=0) 
     
    dt_data.to_csv('D:/Jupyter/dataset/demand-forecasting-kernels-only/arima_df.csv') 
     
    return dt_data 
 
arima_datetime = generate_arima_data(stationary_df) 

對于其他模型，我們將創建一個新的數據框，其中每個特征代表上個月的銷售額。為了確定在我們的特征集中包含多少個月，我們將觀察自相關和部分自相關圖，并在ARIMA建模中使用選擇滯后時間的規則。這樣，我們就可以為我們的ARIMA和回歸模型保持一致的回顧周期。

自相關和局部自相關圖

基于上述情況，我們將選擇回溯期為12個月。因此，我們將生成一個包含13列的數據框，12個月每個月為1列，而我們的因變量即銷售額差異列為第1列。

def generate_supervised(data): 
    supervised_df = data.copy() 
     
    #create column for each lag 
    for i in range(1,13): 
        col_name = 'lag_' + str(i) 
        supervised_df[col_name] = supervised_df['sales_diff'].shift(i) 
     
    #drop null values 
    supervised_dfsupervised_df = supervised_df.dropna().reset_index(drop=True) 
     
    supervised_df.to_csv('D:/Jupyter/dataset/demand-forecasting-kernels-only/model_df.csv', index=False) 
     
    return supervised_df 
 
model_df = generate_supervised(stationary_df) 

現在我們有兩個獨立的數據結構，一個是Arima結構，它包含一個datetime索引，另一個是監督結構，它包含滯后時間特征。

ARIMA和受監督的數據框用于銷售預測

建模

為了創建和評估所有的模型，我們使用了一系列執行以下函數的輔助函數。

• 訓練、測試、拆分：我們將數據分開，使過去的12個月成為測試集的一部分，其余數據用于訓練我們的模型
• 縮放數據：使用最小-最大縮放器，我們將縮放數據，以便所有變量都在-1到1的范圍內
• 反向縮放：運行模型后，我們將使用此輔助函數來反轉步驟2的縮放
• 創建一個預測數據框：生成一個數據框，其中包括在測試集中捕獲的實際銷售額和模型的預測結果，以便我們能夠量化我們的成功
• 對模型評分：這個輔助函數將保存我們預測的均方根誤差(RMSE)和均值絕對誤差(MAE)，以比較五個模型的性能

1. 回歸模型：線性回歸，隨機森林回歸，XGBoost

對于我們的回歸模型，我們可以使用scikit-learn庫的fit-predict結構。因此，我們可以建立一個基礎建模結構，我們將針對每個模型進行調用。下面的函數調用上面概述的許多輔助函數來拆分數據，運行模型并輸出RMSE和MAE分數。

def regressive_model(train_data, test_data, model, model_name): 
     
    # Call helper functions to create X & y and scale data 
    X_train, y_train, X_test, y_test, scaler_object =  
        scale_data(train_data, test_data) 
     
    # Run regression model 
    mod = model 
    mod.fit(X_train, y_train) 
    predictions = mod.predict(X_test) 
    # Call helper functions to undo scaling & create prediction df 
    original_df = pd.read_csv('D:/Jupyter/dataset/demand-forecasting-kernels-only/train.csv') 
    unscaled = undo_scaling(predictions, X_test, scaler_object) 
    unscaled_df = predict_df(unscaled, original_df) 
    # Call helper functions to print scores and plot results 
    get_scores(unscaled_df, original_df, model_name) 
    plot_results(unscaled_df, original_df, model_name) 
 
# Separate data into train and test sets 
train, test = tts(model_df) 
# Call model frame work for linear regression 
regressive_model(train, test, LinearRegression(),'LinearRegression') 
# Call model frame work for random forest regressor  
regressive_model(train, test,  
                 RandomForestRegressor(n_estimators=100, 
                                       max_depth=20),         
                                       'RandomForest') 
# Call model frame work for XGBoost 
regressive_model(train, test, XGBRegressor(n_estimators=100, 
                                           learning_rate=0.2),  
                                           'XGBoost') 

下面的輸出顯示了每個回歸模型的預測(紅色)覆蓋在實際銷售(藍色)之上。雖然結果看起來很相似，但細微的差別相當于幾千美元的銷售額，我們將在下面的比較部分中看到。

2. 長短期記憶(LSTM)

LSTM是一種遞歸神經網絡，對于使用順序數據進行預測特別有用。為此，我們將使用非常簡單的LSTM。為了提高準確性，可以添加周期性特征和附加模型復雜性。

def lstm_model(train_data, test_data): 
     
    X_train, y_train, X_test, y_test, scaler_object = scale_data(train_data, test_data) 
     
    X_trainX_train = X_train.reshape(X_train.shape[0], 1, X_train.shape[1]) 
    X_testX_test = X_test.reshape(X_test.shape[0], 1, X_test.shape[1]) 
    
    model = Sequential() 
    model.add(LSTM(4, batch_input_shape=(1, X_train.shape[1], X_train.shape[2]),  
                   stateful=True)) 
    model.add(Dense(1)) 
    model.add(Dense(1)) 
    model.compile(loss='mean_squared_error', optimizer='adam') 
    model.fit(X_train, y_train, epochs=200, batch_size=1, verbose=1,  
              shuffle=False) 
    predictions = model.predict(X_test,batch_size=1) 
     
    original_df = load_original_df() 
    unscaled = undo_scaling(predictions, X_test, scaler_object, lstm=True) 
    unscaled_df = predict_df(unscaled, original_df) 
     
    get_scores(unscaled_df, original_df, 'LSTM') 
     
    plot_results(unscaled_df, original_df, 'LSTM') 

生成的圖看起來與上面的三個回歸圖相似，因此我們將繼續比較結果，直到我們看到下面的誤差為止。

LSTM模型預測與實際銷售額

3. ARIMA

ARIMA模型看起來與上面的模型略有不同。我們使用statsmodels SARIMAX軟件包來訓練模型并生成動態預測。SARIMA模型分為幾個部分。

• AR：表示為p，是自回歸模型
• I：用d表示，是微分項
• MA：表示為q，是移動平均模型
• S：使我們能夠添加周期性成分

在下面的代碼中，我們定義我們的模型，然后對數據的最后12個月進行動態預測。對于標準的非動態預測，下個月的預測是使用前幾個月的實際銷售額進行的。相反，對于動態預測，使用前幾個月的預測銷售額進行下個月的預測。

def lstm_model(train_data, test_data): 
     
    X_train, y_train, X_test, y_test, scaler_object = scale_data(train_data, test_data) 
     
    X_trainX_train = X_train.reshape(X_train.shape[0], 1, X_train.shape[1]) 
    X_testX_test = X_test.reshape(X_test.shape[0], 1, X_test.shape[1]) 
    
    model = Sequential() 
    model.add(LSTM(4, batch_input_shape=(1, X_train.shape[1], X_train.shape[2]),  
                   stateful=True)) 
    model.add(Dense(1)) 
    model.add(Dense(1)) 
    model.compile(loss='mean_squared_error', optimizer='adam') 
    model.fit(X_train, y_train, epochs=200, batch_size=1, verbose=1,  
              shuffle=False) 
    predictions = model.predict(X_test,batch_size=1) 
     
    original_df = load_original_df() 
    unscaled = undo_scaling(predictions, X_test, scaler_object, lstm=True) 
    unscaled_df = predict_df(unscaled, original_df) 
     
    get_scores(unscaled_df, original_df, 'LSTM') 
     
    plot_results(unscaled_df, original_df, 'LSTM') 

同樣，結果看起來還不錯。我們將在下面進一步進行挖掘。

ARIMA模型預測與實際銷售額

比較模型

為了比較模型性能，我們將查看均方根誤差(RMSE)和均值絕對誤差(MAE)。這些指標通常都用于比較模型性能，但是它們的直覺和數學含義略有不同。

• MAE：均值絕對誤差告訴我們，我們的預測與真實值之間的距離。在這種情況下，所有誤差的權重都相同。
• RMSE：我們通過取所有平方誤差之和的平方根來計算RMSE。當我們平方時，較大的誤差對整體誤差有較大的影響，而較小的誤差對整體誤差沒有太大的影響。

從上面的輔助函數中，我們使用get_scores計算每個模型的RMSE和MAE分數。這些分數保存在字典中并保存起來。為了進行比較，我們將把字典轉換成Pandas數據框并繪制結果。

def create_results_df(): 
    results_dict = pickle.load(open("model_scores.p", "rb")) 
     
    results_dict.update(pickle.load(open("arima_model_scores.p", "rb"))) 
     
    restults_df = pd.DataFrame.from_dict(results_dict, orient='index',  
                                        columns=['RMSE', 'MAE','R2']) 
     
    restults_dfrestults_df = restults_df.sort_values(by='RMSE', ascending=False).reset_index() 
     
    return restults_df 
 
results = create_results_df() 

這為我們提供了以下數據框。

我們可以看到，盡管我們的模型輸出在上圖中看起來相似，但它們的準確度確實有所不同。下面是可以幫助我們看到差異的視覺效果。

比較模型性能

結論

我們看到的是，總體而言，XGBoost模型具有最佳性能，緊隨其后的是ARIMA和LSTM模型。需要注意的是，以上所有模型都是以其最基本的形式衍生的，以演示如何將其用于銷售預測。僅對模型進行了微調，以最大程度地減少復雜性。例如，LSTM可以具有許多其他節點和層以提高性能。

要確定哪種模型適合您的用例，應考慮以下內容：

• 模型復雜度與可解釋性的程度。
• 可以調整模型，并可以對函數進行設計以包括周期性信息，節假日，周末等。
• 了解如何使用結果以及如何輸入數據來更新模型。
• 使用交叉驗證或類似技術來調整模型，以避免數據過度擬合。