自社品番毎に、販売数量の予測を行いたいんだけど

2024年6月8日

自社品番毎に販売数量を予測するためには、各自社品番ごとにモデルを個別にトレーニングする必要があります。つまり、データを自社品番ごとに分割し、それぞれのサブセットに対してモデルをトレーニングして予測を行います。

以下の手順で行うことができます：

1. データを自社品番ごとに分割します。
2. 各自社品番のデータセットに対して、モデルをトレーニングします。
3. 各モデルを使用して、それぞれの自社品番に対する販売数量を予測します。

具体的なコード例を示します：

python
# ユニークな自社品番のリストを取得する
unique_products = df["自社品番"].unique()

# 各自社品番ごとにモデルをトレーニングして予測を行う
for product in unique_products:
    # 自社品番に対応するデータを抽出する
    product_data = df[df["自社品番"] == product]
    
    # 特徴量とターゲット変数を抽出する
    X = product_data[features]
    y = product_data[target]
    
    # データをトレーニングセットとテストセットに分割する
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    
    # ランダムフォレストモデルを初期化する
    rf_model = RandomForestRegressor()
    
    # モデルをトレーニングする
    rf_model.fit(X_train, y_train)
    
    # テストセットを使用してモデルの性能を評価する（任意）
    y_pred = rf_model.predict(X_test)
    mae = mean_absolute_error(y_test, y_pred)
    r2 = r2_score(y_test, y_pred)
    print(f"Product: {product}, Mean Absolute Error: {mae}, R^2: {r2}")
    
    # 最新のデータを使用して予測を行う（任意）
    latest_data = pd.DataFrame({
        "単価": [最新の単価],
        "送料": [最新の送料],
        "原価": [最新の原価]
    })
    predicted_quantity = rf_model.predict(latest_data)
    print(f"Predicted Quantity for Product {product}:", predicted_quantity)

このコードでは、各自社品番に対してモデルを個別にトレーニングしています。そして、各自社品番に対する予測を行っています。