売上予測はじめてみます～単回帰分析～

2020年5月7日 2024年10月22日

hajimari_biz

前回、売上実績サンプルデータのグラフ化を行いました。

http://column.hajimari.co.jp/archives/356

今回は、単回帰分析を用いて将来の売上予測をしてみたいと思います。

データのDataframeへの読み込み

まずは、前回同様、Google Colaboratoryへアクセスし、Google DriveのマウントとMatplotlibの日本語表示のためのフォントインストールおよびキャッシュの削除、売上実績サンプルエクセルデータのDataframeへの読み込みまでを済ませておきます。

from google.colab import drive
drive.mount(‘/content/drive’)
!apt-get -y install fonts-ipafont-gothic
!rm /root/.cache/matplotlib/fontlist-v310.json

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import rcParams
import matplotlib
%matplotlib inline

filepath=”/content/drive/My Drive/Colab Notebooks/売上実績sample.xlsx”
df_a = pd.read_excel(filepath,usecols=[0,1,2])
df_a[‘年月’]=df_a[‘年’].astype(str) + ‘/’ + df_a[‘月’].astype(str)
df_a = df_a.loc[:,[‘年月’,’売上高’]]

単回帰分析とは？

単回帰分析自体の手法については、文献やネット上にいっぱい情報があるため、ここでは利用にフォーカスし、詳細な内容は割愛したいと思いますが、簡単には各データと二乗誤差が最小となるy=ax+bを見つける形になります。最小なので、aとbそれぞれの偏微分が0となるa(傾き)とb(切片)を求めればよさそうです。

必要なライブラリのインポート

単回帰分析くらいであれば、1から式を作ってでもできそうですが、今回はscikit-learnという、Pythonのオープンソース機械学習ライブラリを利用してみたいと思います。他にstatsmodelsを利用しているケースもありましたが、目的はあくまで売上予測なので、手段は特にこだわらないことにします。Scikit-leamライブラリから最小二乗法のlinear_modelクラスをインポートして、インスタンスを(下ではclf)作っておきます。

from sklearn import linear_model
clf = linear_model.LinearRegression()

予測モデル作成までの事前処理

df_a.iloc[:,1]は、df_aデータフレームの全ての行(:)、１列目（実際には0から始まるので２列目）を意味しています。raw_dataには売上実績データ自体がすべて入るイメージです。

今回は、日付を相対的に扱いたいので、dateutil.realativedeltaライブラリのrelativedeltaクラスをインポートします。X軸データは0,1,2,・・・にするように変換して変数Xに格納しています。Y軸データ(売上実績データ)は変数raw_dataに格納しています。日付は後で相対的に足し算、引き算できるようにdatetime型に変換してu_dateymに格納しています。

from dateutil.relativedelta import relativedelta
raw_data = df_a.iloc[:,1].astype(‘float32’)
u_dateym = pd.to_datetime(df_a.iloc[:,0])
X=pd.DataFrame(list(range(0,len(raw_data))),columns=[‘ID’])

予測結果を入れる空箱(リスト型変数further_date)を作っておきます。日付を計算するためにちょっと小細工しています。試行錯誤しているので、あまりよいやり方ではないかもしれません。。f_future_dには予測する月数(下では70ヶ月)を指定します。これで、実績データ開始月から予測用のすべてがfurther_dateリストに入りました。

f_future_d = 70
further_date = []
dm_num=len(df_a[‘年月’])
dm_last=u_dateym.iloc[dm_num-1]

for i in range(1,f_future_d + 1):
further_date.append(dm_last + relativedelta(months=i))
#日付結合
u_dateym = pd.concat([u_dateym,pd.Series(data = further_date)],axis=0)

モデルの作成

resultにモデルの結果が入ります。空のリストfutureを用意して、予測の70ヶ月分の売上データを入れます。clf.coef_にはモデルの傾き、clf.intercept_にはモデルの切片が入っています。

result = clf.fit(X, raw_data)
future = []
for i in range(len(raw_data) + 1, len(raw_data)+ f_future_d + 1):
future = np.append(future, clf.coef_ * i + clf.intercept_)

clf.coef_を見てみるとarray([-286102.48740465])、clf.interceptは64527126.594327055になっていました。傾きはarrayになっているので、重回帰でもそのまま使えそうです。決定係数clf.score(X,raw_data)は0.4199380391267902で、１に近いほど精度がよいので、あまり精度は良くなさそうです。

いよいよグラフ化

下のコードで、前回同様グラフ化してみます。

plt.rcParams[‘font.family’] = ‘IPAPGothic’
plt.xticks(np.arange(0, len(u_dateym) + 1, 12),rotation=70)
plt.title(“売上サンプル”, fontsize = 16)
plt.xlabel(‘年月’)
plt.ylabel(‘売上高(億円)’)
plt.plot(u_dateym.iloc[0:dm_num].dt.strftime(‘%Y/%m’), df_a[‘売上高’], color=”b”, label=’売上実績’)
plt.plot(range(0, len(raw_data)), clf.predict(X), color=”r”, label=”分析結果”)
plt.plot(pd.Series(data=further_date).dt.strftime(‘%Y/%m’), future, color=”y”, label=”予測”)
plt.legend()
plt.savefig(“predict-senkei.png”,dpi=200, bbox_inches=”tight”, pad_inches=0.1)
plt.show()
plt.close()

出力結果はこちらです。

scikit-learnでは、結果はあまり出してくれなさそうです。EXCELで同じデータを回帰分析すると以下のように表示されました。当然ですが切片と傾き、決定係数はscikit-learnの結果と同じです。分散分析はF値がすごく小さく、全部誤差ですっていう帰無仮説は棄却されているので、一応y=ax+bには意味があると言うことかと思います。切片と傾きのp値もすごく小さいので、aもbも有意に0ではないと言えるかと思います。