购车预测双12活动

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 假设我们有一个包含历史销售数据的数据集
data = pd.read_csv('car_sales_data.csv')

# 特征和目标变量
X = data[['广告投入', '促销活动', '季节因素']]
y = data['销量']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集销量
predictions = model.predict(X_test)

# 评估模型性能
mse = mean_squared_error(y_test, predictions)
print(f"均方误差: {mse}")

# 使用模型进行未来销量预测（示例）
future_data = pd.DataFrame([[广告投入值, 促销活动值, 季节因素值]], columns=X.columns)
predicted_sales = model.predict(future_data)
print(f"预测销量: {predicted_sales[0]}")