LastUpdate 2019/01/18

機械学習(Azure Machine Learning)で売上予測モデルを作成

【今日のお題】
機械学習(Azure Machine Learning)で売上予測モデルを作成

【方法】
Azure Machine Learning(Azure ML)を使って、売上予測モデルを作成してみる。
期間:20170701-20170831
データ:仙台のコンビニの加工食品売上高と気象庁の過去データ

【結論】
分析に必要となるサンプル数不足(コンビニのデータ)で予測値はあまり意味の無いものとなってしまったが、Azure MLを使った売上予測モデル作成の手順は習得できた。結構、面白かった。

———————————————————————
【過程】

1.気象庁の過去データを入手
2.コンビニ統計データを入手
3.Power BI Desktopを使って二つのデータを合算し複合グラフを作成(これはexcelでできる範囲)
  作成手順はBIのチュートリアルを参考:https://docs.microsoft.com/ja-jp/power-bi/power-bi-visualization-combo-chart

4.Azure MLにマイクロソフトアカウントでログインし、無償版環境を利用。
5.新規(Blank)Experiment を作成し作成したデータ(xpbi)を読み込む。
6.アップロード後、「Saved Datasets」>「My Datasets」からcsvファイルを確認
7.保存されたデータセット(CSV)を、Azure ML で使用する内部データセットに明示的な変換を行うため「Convert to Dataset」モジュールを追加
  欠損値(Missing Value)を「?」に置換するデータセットを生成(データセットを生成するために、画面下のメニューから「RUN」をクリック)
8.モジュールに緑のチェックマークがついたことを確認 → 明示的なデータセット作成完了
9.Data Transformation > Sample and Split > Split Data モジュールをキャンパスに配置→保存したデータを学習用のデータと検証用のデータに分割する
10.Machine Learning > Initialized Model > Regression > Boosted Decition Tree Regression(線形回帰)モジュールをキャンパスに配置→小売予測に使うアルゴリズムを選択する
11.Machine Learning > Train >Train Model モジュールをキャンパスに配置→線形回帰モデルを学習する
12.Machine Learning > Score > Score Model モジュールをキャンパスに配置→データを使用して検証する
13.RUN をクリックして学習とテストを行う
14.Score Model モジュールの出力ポートをクリックし、コンテクスト メニューを表示して Visualize をクリックし結果を見る。→ここで残念ながらサンプルデータ数不足のため実際値と予測値との差異比較ができないため終了とする。

データ入手サイト

・気象庁(JMA:Japan Meteorological Agency)
     http://www.data.jma.go.jp/gmd/risk/taio_pos.html

・一般社団法人日本フランチャイズチェーン協会 コンビニエンスストア統計データ
     コンビニエンスストア統計調査月報(pdfファイル)
     http://www.jfa-fc.or.jp/particle/320.html

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です