sxwl_DL/yl-jinghui

Nav apraksta

1 Atzari

Zhang Li effb451d64 fix: --files		1 gadu atpakaļ
easy_forecast-0.0.1-py3.7-linux-x86_64	c28dd6b075 unzip egg	1 gadu atpakaļ
yibu-0.0.1-py3.7-linux-x86_64	c28dd6b075 unzip egg	1 gadu atpakaļ
.gitignore	c28dd6b075 unzip egg	1 gadu atpakaļ
README.md	9c29ed8ae3 init	1 gadu atpakaļ
demo.yml	85d74eb545 add submit.sh	1 gadu atpakaļ
easy_forecast-0.0.1-py3.7-linux-x86_64.egg	9c29ed8ae3 init	1 gadu atpakaļ
main.py	eb6b8122a3 fix: add debug info	1 gadu atpakaļ
non_sale_jh3.py	9c29ed8ae3 init	1 gadu atpakaļ
submit.sh	effb451d64 fix: --files	1 gadu atpakaļ
t_order_demo.csv	9c29ed8ae3 init	1 gadu atpakaļ
yibu-0.0.1-py3.7-linux-x86_64.egg	9c29ed8ae3 init	1 gadu atpakaļ

文件说明： 1、代码包

yibu-0.0.1-py3.7-linux-x86_64.egg
easy_forecast-0.0.1-py3.7-linux-x86_64.egg

2、订单样例数据

t_order_demo.csv

3、配置文件

demo.yml

4、执行文件

main.py

5、组件代码样例

non_sale_jh3.py

步骤： 1、安装yibu和easy_forecast代码包 2、编辑配置文件（样例文件demo.yml）（1）配置conf中预测日期、预测时长等参数；（2）配置算法组件流程nodes，start, end：

     样例中整体组件流程为：读取订单-动销过滤-订单汇销量-SMA预测-预测结果写表
读取订单：从本地读取.csv文件，需配置文件路径
动销过滤：过滤掉近90天没有销量的时序，可通过able参数空值该组件是否生效
订单汇销量：将订单数据按fkey+order_date聚合为销量数据
SMA预测：使用移动平均方法预测各时序销量
    公式为(SMA1_weight*SMA(moving_steps)+SMA2_weight*SMA(moving_steps2))*sum_weight，
    其中SMA(moving_steps)为moving_steps天的移动平均预测结果
预测结果写表：将预测结果保存为csv至本地

3、执行main.py文件，需在-f参数中更改文件路径

README.md