CDA“不靠谱”的预测 今年双十一的销量是6213亿元！

　　原标题： CDA“不靠谱”的预测 今年双十一的销量是6213亿元！

　　双十一到今年已经是13个年头，每年大家都在满心期待看着屏幕上的数字跳动，年年打破记录。而 2019 年的天猫双11的销售额却被一位微博网友提前7个月用数据拟合的方法预测出来了。他的预测值是2675.37或者2689.00亿元，而实际成交额是2684亿元。只差了5亿元，误差率只有千分之一。今儿我们特邀了CDA数据分析师的明星小导师曹鑫老师，也来做一个“不靠谱”的预测。

　　但如果你用同样的方法去做预测2020年的时候，发现，预测是3282亿，实际却到了 4982亿。原来2020改了规则，实际上统计的是11月1到11日的销量，理论上已经不能和历史数据合并预测，但咱们就为了图个乐，主要是为了练习一下 Python 的多项式回归和可视化绘图。

　　把预测先发出来：今年双十一的销量是 9029.688 亿元！坐等双十一，各位看官回来打我的脸。

　　NO.01统计历年双十一销量数据

　　从网上搜集来历年淘宝天猫双十一销售额数据，单位为亿元，利用 Pandas 整理成 Dataframe，又添加了一列'年份int'，留作后续的计算使用。

    NO.01绘制散点图

    利用 plotly 工具包，将年份对应销售量的散点图绘制出来，可以明显看到2020年的数据立马飙升。

　　NO.03引入 Scikit-Learn 库搭建模型

　　一元多次线性回归

　　我们先来回顾一下2009-2019年的数据多么美妙。先只选取2009-2019年的数据：

    通过以下代码生成二次项数据：

　　1.第一行代码引入用于增加一个多次项内容的模块 PolynomialFeatures

　　2.第二行代码设置最高次项为二次项，为生成二次项数据（x平方）做准备

　　3.第三行代码将原有的X转换为一个新的二维数组X_，该二维数据包含新生成的二次项数据（x平方）和原有的一次项数据（x）

　　X_ 的内容为下方代码所示的一个二维数组，其中第一列数据为常数项（其实就是X的0次方），没有特殊含义，对分析结果不会产生影响；第二列数据为原有的一次项数据（x）；第三列数据为新生成的二次项数据（x的平方）。

　　1.第一行代码从 Scikit-Learn 库引入线性回归的相关模块 LinearRegression；

　　2.第二行代码构造一个初始的线性回归模型并命名为 regr；

　　第三行代码用fit() 函数完成模型搭建，此时的regr就是一个搭建好的线性回归模型。

　　NO.04模型预测

　　接下来就可以利用搭建好的模型 regr 来预测数据。加上自变量是12，那么使用 predict() 函数就能预测对应的因变量有，代码如下：

    这里CDA数据分析师就得到了如果按照这个趋势2009-2019的趋势预测2020的结果，就是3282，但实际却是4982亿，原因就是上文提到的合并计算了，金额一下子变大了，绘制成图，就是下面这样：

    NO.05预测2021年的销量

    既然数据发生了巨大的偏离，咱们也别深究了，就大力出奇迹。同样的方法，CDA数据分析师曹鑫老师把2020年的真实数据纳入进来，二话不说拟合一样，看看会得到什么结果：

    NO.06多项式预测的次数到底如何选择

    在选择模型中的次数方面，可以通过设置程序，循环计算各个次数下预测误差，然后再根据结果反选参数。

　　从误差结果可以看到，次数取2到8误差基本稳定，没有明显的减少了，但其实你试试就知道，次数选择3的时候，预测的销量是6213亿元，次数选择5的时候，预测的销量是9029亿元，对于销售量来说，这个范围已经够大的了。我也就斗胆猜到9029亿元，我的胆量也就预测到这里了，破万亿就太夸张了，欢迎胆子大的同学留下你们的预测结果，让我们11月11日，拭目以待吧。

　　NO.07总结最后

　　希望CDA数据分析师曹鑫老师的这篇文章带着对 Python 的多项式回归和 Plotly可视化绘图还不熟悉的同学一起练习一下。想要完整代码的同学，可以搜我。