いや、1つのモデルでおこないたい。

2024年6月8日

理解しました。1つのモデルで全ての自社品番の販売数量を予測する場合は、自社品番を特徴量としてモデルに含める必要があります。これにより、モデルは各自社品番ごとの特徴を考慮して数量を予測します。

以下はその手順です：

1. データを準備し、自社品番を特徴量として含めます。
2. モデルをトレーニングします。
3. トレーニングされたモデルを使用して、新しいデータに基づいて販売数量を予測します。

以下のコード例は、このアプローチを示しています：

python
# 特徴量として自社品番を含める
X = df.drop(columns=["数量"])  # 自社品番以外の特徴量を含む
y = df["数量"]

# 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("Mean Absolute Error:", mae)
print("Coefficient of Determination (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({
    "自社品番": [最新の自社品番],
    "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("Predicted Quantity:", predicted_quantity)

このコードでは、自社品番を特徴量として含め、1つのモデルで全ての自社品番の販売数量を予測しています。