💻 간단한 Python 코드 예시

아래는 농산물 판매 데이터를 사용한 간단한 시계열 예측 코드야. 이런 식으로 기본적인 예측 모델을 만들 수 있어!

# 필요한 라이브러리 임포트
import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_absolute_error

# 가상의 농산물 판매 데이터 로드
data = pd.read_csv('농산물_판매_데이터.csv')

# 특성(X)과 타겟(y) 분리
X = data[['월', '평균기온', '강수량', '전년동기판매량', '시장가격']]
y = data['판매량']

# 훈련 데이터와 테스트 데이터 분리
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 랜덤 포레스트 모델 훈련
model = RandomForestRegressor(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

# 예측 및 평가
predictions = model.predict(X_test)
mae = mean_absolute_error(y_test, predictions)
print(f'평균 절대 오차: {mae}')

# 특성 중요도 확인
feature_importance = pd.DataFrame({
    '특성': X.columns,
    '중요도': model.feature_importances_
}).sort_values('중요도', ascending=False)
print(feature_importance)

# 미래 데이터에 대한 예측
future_data = pd.DataFrame({
    '월': [6, 7, 8],
    '평균기온': [25, 28, 29],
    '강수량': [150, 200, 180],
    '전년동기판매량': [1200, 1100, 1300],
    '시장가격': [5000, 4800, 4600]
})
future_predictions = model.predict(future_data)
print(f'향후 3개월 예상 판매량: {future_predictions}')