数据预测项目

1. 需求描述

现有数据集“China_Automobile_Sales_Data.csv”，对数据集使用 Python 的 PyMC3、pystan 、numpy 、pandas、matplotlib 等进行贝叶斯分析，分析中国未来5年汽车销售的情况。

任务1 数据准备：清洗数据，将数据划分为训练集（80%）和测试集（20%）；

任务2 初步分析：使用完整“China_Automobile_Sales_Data.csv”数据（也就是未分成训练集和测试集的数据）画“时间 VS. 汽车销量增长”图和“ 数据集摘要表格”；

任务 3 汽车销量增长预测 (units_sold)：

• 模型：贝叶斯线性回归，用于建模时间与 units_sold 之间的关系。
  1. 将时间（按月数据）转换为数值格式。
  2. 根据历史销量趋势为 y 斜率和截距定义先验分布。
  3. 拟合模型并计算后验分布。
  4. 使用后验预测分布预测未来5年的销量。
  5. 进行后验预测检查 Posterior Predictive Check, PPC
  6. 可视化：
     1. 斜率和截距的后验分布图。
     2. 实际销量与预测销量的时间序列图（含置信区间）。

任务 4 电动车增长预测(is_ev)：

现有数据集“China_Automobile_Sales_Data.csv”，对数据集使用 Python 的 PyMC3、pystan 、numpy 、pandas、matplotlib 等进行贝叶斯分析，分析中国未来5年汽车销售的情况。

任务1 数据准备：清洗数据，将数据划分为训练集（80%）和测试集（20%）；

任务2 初步分析：使用完整“China_Automobile_Sales_Data.csv”数据（也就是未分成训练集和测试集的数据）画“时间 VS. 汽车销量增长”图和“ 数据集摘要表格”；

任务 3 汽车销量增长预测 (units_sold)：

• 模型：贝叶斯线性回归，用于建模时间与 units_sold 之间的关系。
• 可视化：
  1. 斜率和截距的后验分布图。
  2. 实际销量与预测销量的时间序列图（含置信区间）。

公众号：AI悦创【二维码】