[img]https:/ /i.sstatic.net/b0lmy.png[/img]
Это всего лишь один товар, но здесь наблюдается общая тенденция, что после 10 градусов объем продаж увеличивается. Для других продуктов взаимосвязь может быть более линейной, другие могут иметь полиномиальную зависимость, тогда как другие продукты могут вообще не иметь взаимосвязи. Примером другого продукта, у которого нет корреляции между продажами и температурой, может быть этот продукт:
[img]https://i.sstatic.net /wnrvs.png[/img]
Прежде всего, я хотел что-то предсказать только по одному продукту, поэтому я использовал продукт из первого графика, чтобы попытаться что-то смоделировать. В итоге я разделил данные, чтобы у меня был фрейм данных со всеми значениями от -5 до 10 градусов и выполнил линейную регрессию, и аналогично я разделил данные от 10 до 30 градусов, чтобы выполнить линейную регрессию, вот так:
Одна проблема здесь в том, что я делаю все возможное, чтобы подогнать свои данные только к ОДНОМУ продукту. У меня есть набор данных из 1000 продуктов, и я хотел бы иметь возможность оценить продажи НЕКОТОРЫХ продуктов на основе температуры. Я хочу каким-то образом просмотреть все свои наборы данных, выяснить, какие из них имеют какую-то связь между продажами и температурой, а затем автоматически применить лучшую модель регрессии для этого конкретного продукта, чтобы оценить объем продаж этого продукта с учетом некоторой температуры X.
Я просмотрел кучу различных руководств по регрессии для нейронных сетей, но просто понятия не имею, с чего начать и что искать, и является ли то, что я пытаюсь сделать, вообще возможно?
Подробнее здесь: https://stackoverflow.com/questions/526 ... -different
