В этом руководстве показано, как использовать MindsDB для создания модели машинного обучения временных рядов на основе исторических данных розничных продаж в Бразилии

Введение

Машинное обучение фокусируется на использовании данных и алгоритмов для имитации того, как люди учатся, постепенно повышая свою точность. Машинное обучение предоставляет компаниям инструменты, необходимые им для получения мощной информации обо всем, от таргетинга и маркетинга до управления запасами и продажами.

Использование алгоритмов машинного обучения для прогнозирования продаж в розничной торговле является распространенным применением этой технологии. Прогнозы продаж могут помочь предприятиям розничной торговли подготовиться к периодам повышенного спроса, пополнив запасы, скорректировав цены и увеличив штат сотрудников. Без этих прогнозов ритейлеры рискуют быть плохо подготовленными из-за низкого предложения в периоды высокого спроса, и наоборот.

Настройка

В этом руководстве показано, как использовать MindsDB для создания модели машинного обучения для прогнозирования продаж временных рядов с использованием данных о продажах в Бразилии, которые ежедневно записывались с 2014 по 2016 год.

Если вы хотите следовать этому руководству, вы можете использовать редактор MindsDB Cloud Editor (создайте свою бесплатную учетную запись MindsDB Cloudздесь), чтобы создайте и обучите модель прогнозирования временных рядов. Вы также можете загрузить набор данных, который мы будем использовать, retail_sales_data.csv, из Kaggle.

ШАГ 1. Импортируйте свои данные

Откройте MindsDB Cloud Editor в своем браузере и нажмите Добавить данные.

Затем выберите вкладку Файлы.

Нажмите «Импорт файла», чтобы загрузить файл .csv с вашего устройства. (Примечание. Убедитесь, что в названии таблицы используются символы подчеркивания, а не пробелы.)

Чтобы дважды проверить импорт файла .csv, вы можете запустить эту команду. (Примечание. Когда вы загружаете файлы данных в MindsDB, они по умолчанию сохраняются в каталоге файлов. Обязательно добавьте files.your_file_name к вашим командам SQL)

SHOW TABLES FROM files;

Шаг 2. Предварительный просмотр набора данных

Теперь, когда вы импортировали набор данных, давайте воспользуемся SQL для предварительного просмотра его содержимого.

SELECT * FROM files.retail_sales_data
LIMIT 10;

ШАГ 3. Создайте модель предиктора

Теперь, когда мы импортировали наши данные, мы можем начать использовать их для обучения нашего предиктора. Давайте начнем с создания нашей модели предиктора.

CREATE PREDICTOR mindsdb.retail_sales_predictor
FROM files
(SELECT * FROM retail_sales_data)
PREDICT retail_sale;

Убедитесь, что в выводе нет ошибок, так как это может означать, что ваш предиктор был создан неправильно.

ШАГ 4: Проверьте состояние модели предиктора

Прежде чем идти дальше, давайте проверим состояние нашего предиктора:

SELECT status
FROM mindsdb.predictors
WHERE name="retail_sales_predictor";

Если вы запустите эту команду и в выводе будет написано «обучение», это означает, что ваша модель все еще обучается. Подождите несколько минут и снова запустите команду. Не продолжайте, пока ваш вывод не будет прочитан complete!Если вы обнаружите, что вывод постоянно читается, «генерируя», у вас может быть ошибка в вашем CREATE PREDICTORсинтаксисе.

ШАГ 5: Начните делать прогнозы

Теперь, когда вы обучили свою модель, мы можем начать прогнозировать будущие продажи! Оператор SQLSELECT позволяет нам делать прогнозы на основе входных переменных и входных столбцов.

Давайте сначала проверим, что собрала наша модель прогнозирования о предыдущих продажах. Наш импортированный исторический набор данных предоставляет ежедневные временные ряды розничных продаж в Бразилии с 2014 по 2016 год.

Давайте удостоверимся, что наш предиктор находится на правильном уровне, когда мы вводим дату, которая включена в нашу таблицу розничных_продаж_данных.

Выглядит хорошо. Выведенная цифра продаж соответствует количеству продаж в этом году.

Давайте добавим еще несколько переменных и посмотрим, что выдает предсказатель для 2016 года, если розничная цена составляла 1,39 доллара:

Мне это кажется довольно точным.

Теперь давайте перенесемся на несколько лет вперед и изменим несколько факторов. Давайте выясним, какими будут розничные продажи в 2040 году, если запасы будут очень низкими:

Теперь давайте увеличим запасы за тот же год:

Ого! Похоже, предсказатель понимает, что чем больше запасов, тем выше продажи!

Заключение

Как видно из этого руководства, сложное программное обеспечение MindsDB дает нам возможность создавать и обучать модель машинного обучения временных рядов, которая с легкостью прогнозирует будущие цифры. Вводя различные переменные и факторы, предприятия розничной торговли в Бразилии и во всем мире могут использовать эту технологию для увеличения доходов и продаж.

Проверьте это и начните сегодня!