C.P5 - Model ishlab chiqish jarayoni
Ma'lumotlar to'plamining statistik umumiy ko'rinishi
📊 Ma'lumotlar to'plamining statistikasi
| Ko'rsatkich | Miqdor | BirlikNarx | UmumiyNarx |
|---|---|---|---|
| Soni | 366,643 | 366,643 | 366,643 |
| O'rtacha | 7.82 | 2.75 | 11.99 |
| Standart Og'ish | 10.26 | 2.87 | 9.10 |
| Mediana | 4 | 1.69 | 10.20 |
🔧 Model ishlab chiqish bosqichlari
- Ma'lumotlarni tozalash: Bo'sh qiymatlar, salbiy miqdorlar, anomaliyalar olib tashlandi
- Xususiyat muhandisligi: UmumiyNarx, vaqtga asoslangan xususiyatlar yaratildi
- EDA: Korrelyatsiya tahlili, mavsumiy tendentsiyalarni aniqlash
- Model tanlash: Miqdor va BirlikNarx bilan Chiziqli Regressiya
- O'qitish: 80% o'qitish, 20% test bo'limi
Oylik savdo tendentsiyalari tahlili
📈 Chiziqli Regressiya Modeli
Tenglama: UmumiyNarx = 0.36 × Miqdor + 1.01 × BirlikNarx + ε
Dastlabki natijalar: R² = 0.5225, MAE = 11.97
Model xarid qiymati va mahsulot miqdori/birlik narxi o'rtasidagi chiziqli bog'liqlikni ko'rsatadi, yuqori qiymatli segmentlarda ba'zi kam o'rganish kuzatiladi.
C.M3 - Modelni yaxshilash va taqqoslash
Modelning ishlashini taqqoslash
📊 Dastlabki Modelning ishlashi
- MAE: 15.55
- MSE: 3553.94
- RMSE: 59.61
- R²: 0.2924
Anomaliyalar va yetarli xususiyat muhandisligi yo'qligi sababli cheklangan samaradorlik.
🎯 Yaxshilangan Modelning ishlashi
- MAE: 11.97 (↓23%)
- MSE: 2809.44 (↓21%)
- RMSE: 53.00 (↓11%)
- R²: 0.5225 (↑79%)
Anomaliyalarni olib tashlash va xususiyatlarni optimallashtirish orqali sezilarli yaxshilanish.
Model aniqligi vizualizatsiyasi
🔍 Qo'llaniladigan yaxshilash strategiyalari
- Anomaliyalarni olib tashlash: UmumiyNarx ustuniga IQR usuli qo'llanildi
- Ma'lumotlar sifatini oshirish: Salbiy va nol qiymatlar tozalandi
- Xususiyat tanlash: Eng korrelyatsiyali atributlarga e'tibor qaratildi
- Modelni qayta o'qitish: Tozalangan ma'lumotlar to'plami bilan parametrlar yangilandi
C.D3 - Amaliy qo'llanmalar va kelajakdagi yaxshilanishlar
Biznesga ta'siri bo'ladigan sohalari
💼 Marketing qo'llanmalari
- Shaxsiylashtirilgan chegirma strategiyalari
- Dinamik narxlash optimizatsiyasi
- Mijozga xos takliflar
- Kampaniya samaradorligini o'lchash
📦 Logistika va Inventar
- Talab bashorati aniqligi
- Ta'minot zanjiri optimizatsiyasi
- Inventarni qisqartirish strategiyalari
- Omborxona xarajatlarini minimallashtirish
💰 Moliyaviy rejalashtirish
- Daromad bashorati
- Byudjet tahlili optimizatsiyasi
- Foyda marjasi hisoblashlari
- Strategik qaror qo'llab-quvvatlash
🔮 Kelajakdagi yaxshilanishlar
- Polinom Regressiya joriy etish
- K-Eng yaqin qo'shnilar integratsiyasi
- Qaror daraxti regressori
- Vaqt qatorlari mavsumiy modellashtirish
Modelning cheklovlari va yaxshilash yo'l xaritasi
⚠️ Hozirgi cheklovlar
- Xususiyat doirasi: Faqat Miqdor va BirlikNarxni hisobga oladi
- Vaqt omillari: Vaqtga asoslangan mavsumiylik tahlili yo'q
- Mijoz demografiyasi: Demografik yoki geografik segmentatsiya yo'q
- Mahsulot kategoriyalari: Cheklangan mahsulot kategoriyalash chuqurligi
🚀 Tavsiya etilgan yaxshilanishlar
- Ilg'or algoritmlar: Random Forest, Gradient Boosting
- Xususiyat muhandisligi: Mijoz hayot qiymati, xarid chastotasi
- Vaqt qatorlari tahlili: SARIMA, Holt-Winters silliqlash
- Kross-validatsiya: Mustahkam baholash uchun K-fold validatsiya