Question

我想用熊猫和statsmodel预测电子商务的商品销售量（每种产品的销售量）。因为商品销售是一个与计数相关的变量，所以我认为泊松模型最有效。

在理想情况下，该模型将用于决定要在广告中使用哪些产品（增加产品观看次数），并决定价格点（更改价格）以达到最佳效果/利润。

到目前为止很好，但是当我尝试时：

...
import statsmodels.formula.api as smf
...
result = smf.poisson(formula="Item_Sales ~ Product_Detail_Views + Variant_Price + C(Product_Type)", data=df).fit()

我得到：

RuntimeWarning: invalid value encountered in multiply
  return -np.dot(L*X.T, X)
RuntimeWarning: invalid value encountered in greater_equal
  return mu >= 0
RuntimeWarning: invalid value encountered in greater
  oldparams) > tol))

还有一张充满NaN的桌子

如果我对同一数据集使用OLS：

result = smf.ols(formula="Item_Sales ~ Product_Detail_Views + Variant_Price + C(Product_Type)", data=df).fit()

我得到0.809的R平方，所以数据很好。该模型并不实用，因为我得到了负面的预测，这显然是不可能的（您不能有负面的商品销售）。

如何使泊松模型有效？

Answer 1

看起来像是数据问题。由于未显示示例数据，因此无法确定。您可以尝试与Poisson家族一起使用GLM或与Poisson家族一起使用GEE

示例：

smf.glm('sedimentation ~ C(control_grid)', data=df, families=sm.families.Poisson)

熊猫和统计模型的电子商务商品销售预测

1 个答案: