PythonでARIMAモデルを使用してバイク用品の売り上げを予測するための基本的なスクリプト
以下は、PythonでARIMAモデルを使用してバイク用品の売り上げを予測するための基本的なスクリプトです。このスクリプトは、pandasとstatsmodelsライブラリを使用しています。
python
# 必要なライブラリのインポート
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima.model import ARIMA
# データの読み込み
# ここでは、売り上げデータを'bike_sales.csv'から読み込むと仮定します
data = pd.read_csv('bike_sales.csv')
# 日付列を日付型に変換
data['Date'] = pd.to_datetime(data['Date'])
# 日付列をインデックスに設定
data.set_index('Date', inplace=True)
# データの確認
print(data.head())
# 時系列データの可視化
plt.figure(figsize=(10, 6))
plt.plot(data)
plt.title('Bike Sales Time Series Data')
plt.xlabel('Date')
plt.ylabel('Sales')
plt.show()
# ARIMAモデルの構築とフィッティング
# パラメータ(p, d, q)は適切に調整する必要があります
model = ARIMA(data, order=(5, 1, 0)) # 例として(p, d, q) = (5, 1, 0)を指定
results = model.fit()
# モデルの診断
print(results.summary())
# 予測
forecast_steps = 12 # 12か月先の売り上げを予測
forecast = results.forecast(steps=forecast_steps)
# 予測結果の表示
print("Forecasted Sales:")
print(forecast)
# 予測結果の可視化
plt.figure(figsize=(10, 6))
plt.plot(data, label='Actual Sales')
plt.plot(forecast, label='Forecasted Sales')
plt.title('Bike Sales Forecast using ARIMA')
plt.xlabel('Date')
plt.ylabel('Sales')
plt.legend()
plt.show()
このスクリプトは、まずデータを読み込み、ARIMAモデルを構築しています。その後、モデルを診断し、指定されたステップ数の売り上げを予測しています。最後に、実際の売り上げと予測された売り上げを可視化しています。