口红销量预测

摘要：从网站爬取口红销售数据，分析影响销售数据的重要因素以及根据销售因素建模预

测其销售量。本文先将数据进行预处理得到实验数据，然后着重分析朴素贝叶斯判别分析算法、AdaBoost 算法以及随机森林算法在口红销量预测中的效果，并在随机森林算法中进

行模型优化。通过实验结果表明总评价数、价格和描述分这三个因素对销售量的影响较大，对三个算法对比分析得出随机森林算法预测错误率最低，有较好的预测效果。

关键词： 口红销量；朴素贝叶斯；AdaBoost；随机森林

目录

口红销量预测

1 问题描述

2 数据描述

2.1 数据来源

2.2 数据预处理

2.2.1 数据清洗

2.2.2 缺失值处理

2.3 颜色字段词云

2.4 功效字段词云

2.5 数据变换

2.5.1 对销售总量字段进行处理

2.5.2 对功效字段进行处理

2.5.3 对数值字段进行处理

3 模型构建

3.1 数据抽样处理

3.2 朴素贝叶斯分类

3.2.1 朴素贝叶斯算法原理

3.2.3 计算结果

3.3 集成学习

3.3.1 AdaBoost 算法原理

3.3.3 计算结果

3.4 集成学习

3.4.1 随机森林算法原理

3.4.3 计算结果

3.4.4 模型优化

3.5 模型评价

4 主要结论

5 课程建议

参考文献