python 采购需求量预测 时序模型 实例
时间: 2023-09-13 16:10:34 浏览: 56
以下是使用 Python 实现采购需求量预测的时序模型的示例代码:
```python
# 导入必要的库和模块
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima_model import ARIMA
from sklearn.metrics import mean_squared_error
# 读取数据集
data = pd.read_csv('purchase_data.csv', index_col=0, parse_dates=True)
data = data.dropna()
# 数据集预处理
train_size = int(len(data) * 0.8)
train_data, test_data = data[0:train_size], data[train_size:]
# 模型训练
model = ARIMA(train_data, order=(1, 1, 1))
model_fit = model.fit(disp=False)
# 预测结果
predictions = model_fit.predict(start=len(train_data), end=len(data)-1, dynamic=False)
mse = mean_squared_error(test_data, predictions)
print('Test MSE: %.3f' % mse)
# 可视化结果
plt.plot(train_data, label='Train')
plt.plot(test_data, label='Test')
plt.plot(predictions, label='Predictions')
plt.legend()
plt.show()
```
上述代码首先读取采购数据集,将其拆分为训练集和测试集,然后使用 ARIMA 模型进行训练和预测,并计算均方误差(MSE)。最后,将训练集、测试集和预测结果可视化以进行比较。