|
Pythonda biznes jarayonlarini optimallashtirish uchun mashinali o‘qitish va ma’lumotlar tahlilidan foydalanish misollari
|
| bet | 68/182 | | Sana | 19.05.2024 | | Hajmi | 5,69 Mb. | | #244351 |
Bog'liq Python sun\'iy intellekt texnologiyasi Dasrlik 2024 5.2.Pythonda biznes jarayonlarini optimallashtirish uchun mashinali o‘qitish va ma’lumotlar tahlilidan foydalanish misollari
Pythonda biznes jarayonlarini optimallashtirish uchun mashinali o‘qitish va ma’lumotlarni tahlil qilishni qo‘llash turli xil vazifalarni o‘z ichiga olishi mumkin, masalan, bashorat qilish, tasniflash, klasterlash va naqsh va tendentsiyalarni aniqlash uchun umumiy ma’lumotlarni tahlil qilish. Mana bir nechta foydalanish misollari:
Talabni bashorat qilish:
Mahsulot yoki xizmatlarga talabni bashorat qilish inventarizatsiya va ishlab chiqarish quvvatini boshqarishni optimallashtirishga yordam beradi.
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error
# Ma’lumotlarni yuklash
data = pd.read_csv('ma’lumotlar_o_sotish.csv')
# Ma’lumotlarni ajratish
X_train, X_test, y_train, y_test = train_test_split(data.drop('Sales', axis=1), data['Sales'], test_size=0.2, random_state=42)
# Modelni o‘qitish
model = RandomForestRegressor()
model.fit(X_train, y_train)
# Bashorat qilish
predictions = model.predict(X_test)
# Aniqlikni baholash
mse = mean_squared_error(y_test, predictions)
Mijozlarning tasnifi:
Mijozlarni ularning xususiyatlariga qarab tasniflash shaxsiylashtirilgan marketing strategiyalarini yaratishga yordam beradi.
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
# Ma’lumotlarni yuklash
data = pd.read_csv('ma’lumotlar_o_klientlar.csv')
# Ma’lumotlarni ajratish
X_train, X_test, y_train, y_test = train_test_split(data.drop('Target', axis=1), data['Target'], test_size=0.2, random_state=42)
# Modelni o‘qitish
model = RandomForestClassifier()
model.fit(X_train, y_train)
# Bashorat qilish
predictions = model.predict(X_test)
# Aniqlikni baholash
accuracy = accuracy_score(y_test, predictions)
|
|
Bosh sahifa
Aloqalar
Bosh sahifa
Pythonda biznes jarayonlarini optimallashtirish uchun mashinali o‘qitish va ma’lumotlar tahlilidan foydalanish misollari
|
