Статья Автор: Деникина Н.В., Деникин А.В.

Первая модель: Предсказание цен на мороженое

Вы работаете в сети киосков с мороженым. У вас есть данные за последние 10 дней. Нужно предсказать продажи на завтра!

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# Наши данные за 10 дней
data = {
    'температура': [15, 18, 22, 25, 28, 31, 17, 20, 26, 29],
    'продано_мороженого': [47, 56, 68, 78, 85, 95, 52, 62, 81, 89]
}

df = pd.DataFrame(data)
print(df)

Визуализируем данные

plt.figure(figsize=(10, 6))
plt.scatter(df['температура'], df['продано_мороженого'], 
            color='red', s=100, alpha=0.6, label='Реальные данные')
plt.xlabel('Температура (°C)', fontsize=12)
plt.ylabel('Продано мороженого (шт)', fontsize=12)
plt.title('Как температура влияет на продажи', fontsize=14)
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

Создаём и обучаем модель

# Подготовка данных (X должен быть двумерным массивом)
X = df[['температура']]  # Двойные квадратные скобки!
y = df['продано_мороженого']

# Создаём модель
model = LinearRegression()

# Обучаем модель
model.fit(X, y)

print(f"Коэффициент k = {model.coef_[0]:.2f}")
print(f"Свободный член b = {model.intercept_:.2f}")

Делаем предсказание

# Предсказываем для температур от 10 до 35 градусов
temperatures_new = pd.DataFrame({'температура': [10, 15, 20, 25, 30, 35]})
predictions = model.predict(temperatures_new)

# Показываем результаты
for temp, pred in zip(temperatures_new['температура'], predictions):
    print(f"При {temp}°C продастся примерно {pred:.0f} штук мороженого")

Визуализируем линию регрессии

plt.figure(figsize=(10, 6))

# Реальные точки
plt.scatter(df['температура'], df['продано_мороженого'], 
            color='red', s=100, alpha=0.6, label='Реальные данные')

# Линия регрессии - создаем DataFrame для предсказаний
temp_line = np.linspace(10, 35, 100)
temp_line_df = pd.DataFrame({'температура': temp_line})  # ✅ Правильный формат
predictions_line = model.predict(temp_line_df)

plt.plot(temp_line, predictions_line, 
         color='blue', linewidth=2, label='Линия регрессии')

plt.xlabel('Температура (°C)', fontsize=12)
plt.ylabel('Продано мороженого (шт)', fontsize=12)
plt.title('Линейная регрессия: предсказание продаж', fontsize=14)
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

Печать