论文总字数：13538字

摘 要

伴随着电子商务的发展，虽然分担一部分书店的销售量，网络销售已经成为重要的途径。因此，为了让网店能够得到更多的收益和销量，利用数据挖掘技术来消费者的行为进行分析是非常的有意义的。本次毕业设计设计一款外贸电商销量预测系统是十分必要的。

本系统运用PYTHON语言开发的外贸电商销量预测系统，在程序中使用了机器学习，并且通过数据挖掘进行深度学习，并且对已经采集的商品文件数据进行训练，最终得出其训练模型和预测结果。系统通过对商品的商品价格、销售量、尺寸等信息组成的数据集进行分析，最后得出销量预测的结果。

关键词：机器学习；数据挖掘；PYTHON ；销量预测

ABSTRACT

With the development of e-commerce, although share part of the bookstore sales, online sales has become an important way. Therefore, in order to make online stores get more revenue and sales, it is very meaningful to use data mining technology to analyze consumer behavior. This graduation project design a foreign trade e-commerce sales forecast system is very necessary.

The system uses Python language to develop the foreign trade e-commerce sales forecasting system, uses machine learning in the program, and carries out deep learning through data mining, and trains the collected commodity file data, and finally obtains its training model and forecasting results. The system analyzes the data set of commodity price, sales volume, size and other information, and finally obtains the result of sales forecast.

Key words: machine learning； data mining； python； sales forecast

目 录

摘 要 I

ABSTRACT II

目 录 III

第一章 绪论 1

1.1 课题背景及意义 1

1.2 国内外研究现状 1

1.3 研究内容 2

第二章 系统需求分析 4

2.1数据分析流程 4

2.2 数据来源 5

2.3 数据预处理 5

2.4 预测模型分析 7

第三章 商品销量算法选择 9

3.1算法分析 9

3.1.1 聚类算法的基本概念 16

3.1.2 聚类算法的过程 16

3.1.3 聚类算法的种类 16

3.2 开发语言的选择 16

3.2.1 Python语言 16

3.2.2 Python机器学习 16

第四章 系统的设计与实现 16

4.1 回归建模 18

4.1.1回归诊断 18

4.1.2回归建模步骤 18

4.1.3 系统主要函数及用途 18

4.2数据训练算法 18

第五章 系统测试 18

5.1 实验结果 18

5.1.1 训练样本 18

5.1.2 预测结果 19

总结 20

参考文献 21

1. 绪论

本章对课题的背景以及一些行业内现状进行了剖析，以及对整片论文的组织结构进行了简要的介绍。

1.1 课题背景及意义

随着时代的发展，信息技术的进步，企业也必须采取一些措施与时俱进，才能适应时代的发展，增加销售，获得更高的利益。在企业的日常经营活动中，每天都会产生大量的数据，如消费者的数据、购买行为，甚至一些通过问卷调查产生的数据。过去，这些数据不能很好的利用，甚至为了节省时间，很多数据没有被记录和保存，但这些数据对企业的经营有很大的影响。好在现在是大数据时代，数据挖掘在各个方面的技术和各种应用方法都在不断发展和成熟，可以很好的应用企业数据库生成的入库数据、问卷数据。通过分析和挖掘这些大量的企业历史数据，可以对企业的经营产生很大的影响。例如，可以得到各种产品的销售情况。通过研究商品之间的销售关系，可以实现商品的购物篮分析和组合管理，更有利于商品的销售，从而提高企业的经营水平，提高企业的效益，获得更大的利润。深入了解消费者，发现他们的需求，研究消费者在获取、使用和处理商品时产生的各种行为，是非常必要的。后者是制定营销策略的基础。通过研究消费者的行为特征，我们可以改进现有商品，甚至设计出更适合消费者的新产品。对于消费者自身来说，通过我们做的一系列研究，可以让他们做出更明确的购买决策，准确知道应该买什么，从而避免进入企业后受一些广告或促销活动影响而产生冲动性购买心理失衡的问题。

从市场营销的角度看，市场机会的本质是消费者不满意的机会。因此，企业的营销策略应以市场机会为基础。而要了解市场机会，也就是说，要了解消费者的需求是否得到满足，就需要细分市场。其实质是按照消费者的独特需求和生活方式对整个市场进行细分，从而制定营销策略，预测购买倾向。

本文以消费者研究理论为基础，运用相关算法对市场和消费者进行细分，运用聚类算法分析消费者的特征和消费行为，预测消费者的购买倾向，从而提高企业的销售量，获得更高的效益。

1.2 国内外研究现状

现今我国经济建设中，商品销售预测不仅仅是企业生存和发展的必要前提，也是企业战略管理的重要组成部分。在分析历史数据的基础上得出主要组成部分，专家搜集市场上原有信息，并与现有的相融合，并利用现代化、科学化的方法，从而提前预测市场未来的发展趋势，于此同时销售量的预测，也能帮助企业在生产经营上做出良好的决策，企业也能在科学的量化依据下茁壮成长。商品销售趋势，直接影响到企业产品的生产计划、库存维护等。商品市场预测大多是根据专家的经验进行的，但实际情况往往与预测相差甚远。因此，一些产品严重短缺，而另一些则是积压和积压，使其无法在首都工作。一些产品没有立即升级换代，这些都制约了企业的发展。

影响销售的因素很多，如产品质量、客户结构、季节性、同类企业之间的竞争等。目前定量预测方法是最为常见的，其主要有BP神经网络、线性回归与非线性回归模型预测方法、时间序列预测方法等，它们和更具自身不同的优缺点运用于各种不同的场合，有专家结合影响销量的因素对原先的BP、神经网络进行改进，使基于BP网络的预测方法和基于遗传算法的人工智能技术相结合，从而在销量预测中都取得了重大突破，如小波神经网络。但是，销售预测作为一个重要的系统工程从来都是复杂繁琐的，需要顾及众多因素，因此传统的综合决策预测方法经常在预测过程中会考虑的不够周全，影响需求的各种因素之间存在着各种错综复杂的相互作用，按照没有经过改进的原始方法建立的单一模型更本无法形象地表达这种相互作用的。

1.3 研究内容

本程序利用数据挖掘中的相关性分析以及聚类算法，对消费者行为特征及消费者自身特征进行分析与研究。企业在每天的运营过程中都会产生非常多的消费数据，并且在这些数据中蕴含着很多重要的信息。通过分析这些历史数据中潜在的信息，一方面我们可以获得消费者购买商品的基本信息以及分析企业某些产品销售情况的原因，挖掘一些潜在消费者，帮助企业获得更高的利润；另一方面也能提升消费者体验，即消费者能够更加迅速的确定和获得自己想购买的东西。

剩余内容已隐藏，请支付后下载全文，论文总字数：13538字