全てのコード
理解しました。以下に、全体のコードを示します。
python
import pandas as pd from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import mean_squared_error # データの読み込み data = pd.read_csv("your_data.csv", parse_dates=["年月"]) # 年月列を年と月に分割して数値に変換する data['年'] = data['年月'].dt.year data['月'] = data['年月'].dt.month # データから年月列を削除する data.drop('年月', axis=1, inplace=True) # 特徴量と目的変数の選択 X = data[['年', '月', '金額', '原価', '実在庫', 'リードタイム', '在庫補充頻度', '在庫回転数']] y = data['数量'] # 予測したい数量 # データの分割 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # モデルの構築とトレーニング model = RandomForestRegressor(n_estimators=100, random_state=42) model.fit(X_train, y_train) # テストデータを使用して予測 y_pred = model.predict(X_test) # モデルの評価 mse = mean_squared_error(y_test, y_pred) print("Mean Squared Error:", mse) # 来月のデータで予測 # 予測に使用するデータの準備（必要に応じて調整してください） next_month_data = pd.DataFrame({'年': [2024], '月': [6], '金額': ['来月の金額'], '原価': ['来月の原価'], '実在庫': ['来月の実在庫'], 'リードタイム': ['来月のリードタイム'], '在庫補充頻度': ['来月の在庫補充頻度'], '在庫回転数': ['来月の在庫回転数']}) # 予測 next_month_quantity = model.predict(next_month_data[['年', '月', '金額', '原価', '実在庫', 'リードタイム', '在庫補充頻度', '在庫回転数']]) print("来月の数量予測:", next_month_quantity)
このコードでは、データの読み込みからモデルの構築、評価、そして来月の数量の予測までを行っています。必要に応じてデータの読み込みや特徴量の選択、モデルのパラメータの調整などを行ってください。