#?coding=utf-8?##以utf-8編碼儲存中文字符
from?sklearn.grid_search?import?GridSearchCV???#Perforing?grid?search
import?pandas?as?pd
from?sklearn.metrics?import?mean_squared_error
import?numpy?as?np
from?scipy.stats?import?mode
import?warnings
from?sklearn.cross_validation?import?train_test_split
import?xgboost?as?xgb
from?xgboost.sklearn?import?XGBClassifier
import?operator
import?matplotlib.pyplot?as?plt
import?matplotlib
#?根據歷史的每天銷量預測未來的銷量，之前稍微統計，每個月的總量基本是不變的。
#?多少人曾愛慕你年輕的容顏，可是誰有能承受歲月無情的變遷
#?效果其實和求均值差不多
warnings.filterwarnings（‘ignore‘）

def?mode_function（df）:
????df?=?df.astype（int）
????counts?=?mode（df）
????return?counts[0][0]

def?score（y_testy_pred）:
????print（y_test）
????print（y_pred）
????return?1.0?/?（1.0?+?np.sqrt（mean_squared_error（y_test?y_pred）））

train?=?pd.read_csv（‘input/train.csv‘）
print（‘訓練集總數‘train.shape）
print（‘字段‘train.columns）
sub?=?pd.read_csv（‘input/result.csv‘）
sub[‘SaleM‘]?=?sub[‘日期‘].map（lambda?x:int（str（x）[5:6]））
sub[‘SaleD‘]?=?sub[‘日期‘].map（lambda?x:int（str（x）[6:]））
#sub[‘銷售日期_D‘]?=?sub[‘日期‘].map（lambda?x:str（x）[-2:]）
sub[‘SaleD‘]?=?sub[‘SaleD‘]?.astype（int）
sub[‘SaleM‘]?=?sub[‘SaleM‘]?.astype（int）
result?=?sub.copy（）
#print（sub）
sub_train?=?sub[[‘編碼‘?‘SaleM‘?‘SaleD‘?‘銷量‘?‘日期‘]]
#print（“sub_train:“）
#print（sub_train）

train[‘SaleM‘]?=?train[‘銷售日期‘].map（lambda?x:int（str（x）[5:6]））
train[‘SaleD‘]?=?train[‘銷售日期‘].map（lambda?x:int（str（x）[6:]））
train[‘SaleD‘]?=?train[‘SaleD‘]?.astype（int）
train[‘SaleM‘]?=?train[‘SaleM‘]?.astype（int）
train.drop（[‘大類名稱‘?‘中類名稱‘?‘小類名稱‘?‘銷售月份‘?‘商品編碼‘?‘小類編碼‘?‘單位‘?‘銷售日期‘?‘規格型號‘?‘custid‘?‘商品類型‘?‘商品單價‘?‘銷售金額‘?‘銷售數量‘?‘是否促銷‘]axis=1inplace=True）



def?cal_w（row）:
????if?row.SaleM?==?1:
????????return?（row.SaleD?+?3）?%?7
????elif?row.SaleM?==?2:
????????return?（row.SaleD?+?6）?%?7
????elif?row.SaleM?==?3:
????????return?（row.SaleD?+?6）?%?7
????elif?row.SaleM?==?4:
????????return?（row.SaleD?+?2）?%?7
????elif?row.SaleM?==?5:
????????return?（row.SaleD?+?4）?%?7


train[‘SaleW‘]?=?train.apply（cal_w?axis=1）
train[‘SaleW‘]?=?train[‘SaleW‘].astype（int）

def?cal_wn（row）:
????if?row.SaleM?==?1:
????????return?（row.SaleD?+?2）?/?7?+?1
????elif?row.SaleM?==?2:
????????return?（row.SaleD?+?5）?/?7?+?5
????elif?row.SaleM?==?3:
????????return?（row.SaleD?+?5）?/?7?+?9
????elif?row.SaleM?==?4:
????????return?（row.SaleD?+?1）?/?7?+?14
????elif?row.SaleM?==?5:
????????return?（row.SaleD?+?3）?/?7?+?18


train[‘SaleWn‘]?=?train.apply（cal_wn?axis=1）
train[‘SaleWn‘]?=?train[‘SaleWn‘].astype（int）

sub_train[‘SaleW‘]?=?sub_train.apply（cal_w?axis=1）
sub_train[‘SaleW‘]?=?sub_train[‘SaleW‘].astype（int）

sub_train[‘SaleWn‘]?=?sub_train.apply（cal_wn?axis=1）
sub_train[‘SaleWn‘]?=?sub_train[‘SaleWn‘].astype（int）
#sub_train[‘SaleWn‘]?=?sub_train.apply（cal_wn?axis=1）
#sub_train[‘SaleWn‘]?=?sub_train[‘SaleWn‘].astype（int）
#sub_train.drop（[‘SaleM‘?‘SaleD‘]?axis=1?inplace=True）
sub_train.drop（[‘日期‘]axis=1inplace=True）
train[‘is_buy‘

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????74662??2017-10-23?19:05??input\result.csv
?????文件?????5040446??2017-10-23?18:54??input\train.csv
?????文件????????8059??2017-11-16?20:22??xgboost_predict.py
?????目錄???????????0??2017-10-29?20:47??input\