我刚刚观看了SciKit-Learn的3个小时的介绍，我了解了回归模型的基础知识，监督和非监督学习等。这些模型非常适合根据一组输入数据预测结果。但有没有一种方法，我可以说，比方说，我有20个产品和大量的数据销售日志（如时间，价格，类别等），我想知道哪3个产品价格要改为增加利润最多？
KPI是我赚多少（每个产品的净利润乘以销售数量），我想改进定价模式。所以我改变了3个产品，我想教一个模型告诉我应该增加/减少哪3个产品价格以实现最高的利润增长。
简而言之： 在SciKit-Learn（或者一般来说，比如数学模型）中是否有一个模型，我可以告诉他改变一定数量的数据，它会给我那些对结果影响最大的那些？
我想我可以教一个随机森林或只是简单回归我的数据，然后编写一个函数迭代一次改变3个价格，预测数据并找到最好的结果，但我认为这将是非常的代价高昂，因为基本上我不得不遍历各种产品。然后还有价格变化量的问题，无论是正面的还是负面的等等。所以我觉得有更好的方法，我还没想出来。
你有什么想法吗？ SciKit有这样的东西吗？
谢谢！
答案 0 :(得分：0)
我会说机器学习对你正在做的事情有点过分。
利润= p1 * q1 + p2 * q2 + ... pn * qn
其中pn，qn是第n个产品的价格，数量。
您可以通过查找价格与数量曲线的点来独立确定每种产品的最优价格，从而使每个项目的利润最大化。 （我想你可以在这部分使用gradient descent）。从这里，您可以确定哪个当前产品价格距离其最优价格最远，并更改导致最大利润的产品价格。