购车预测年末活动

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框df
# df包含两列：'date'（日期）和'sales'（销量）

# 数据预处理
df['date'] = pd.to_datetime(df['date'])
df['month'] = df['date'].dt.month
X = df[['month']]  # 自变量
y = df['sales']    # 因变量

# 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)

# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

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

# 预测年末销量（假设12月）
predicted_sales_dec = model.predict([[12]])
print(f"预测的12月销量: {predicted_sales_dec[0]}")