python - 基于更新数据的预测

Question

我目前正在从事一个在线广告优化项目。假设我唯一可以更改的是 CPC(每次点击费用)。我没有太多数据，因为数据每天只更新一次。我想要通过 CPC 来预测 net_venue，并希望让程序根据每天更新的数据建议最佳 CPC 值，以最大化明天的 net_venue。

    cpc   margin
0   440 -95224.0
1   840 -81620.0
2   530 -57496.0
3   590 -47287.0
4   560 -45681.0
5   590 -52766.0
6   500 -60852.0
7   650 -59653.0
8   480 -48905.0
9   620 -56496.0
10  680 -53614.0
11  590 -44440.0
12  460 -34066.0
13  720 -31086.0
14  590 -23177.0
15  680 -12803.0
16  760 -10625.0
17  590 -20548.0
18  800 -15136.0
19  650 -12804.0
20  420 -63435.0
21  400  -7566.0
22  400  21136.0
23  400 -58585.0
24  400 -14166.0
25  420 -23065.0
26  400 -28533.0
27  380 -14454.0
28  400 -50819.0
29  380 -26356.0
30  400 -26322.0
31  380 -19107.0
32  400 -28270.0
33  380 -88439.0
34  360 -32207.0
35  340 -27632.0
36  340 -18050.0
37  340 -71574.0
38  340 -18050.0
39  320 -20735.0
40  300 -17984.0
41  290  -9426.0
42  280 -16555.0
43  290   2961.0

例如，假设上面的数据是df。

我尝试使用sklearn和LogisticRegression来获得预测:

import pandas as pd
from sklearn import datasets
from sklearn import metrics
from sklearn.linear_model import LogisticRegression

model = LinearRegression()
model.fit(df['cpc'], df['margin'])
prediction = model.predict([[300]])
print(prediction[0])

顺便说一句， margin 是净收入。

因此，通过这样做，我认为我可能会根据 CPC 为 300 时的数据得到预测，但它返回一个错误:

ValueError: Expected 2D array, got 1D array instead:
array=[440 840 530 590 560 590 500 650 480 620 680 590 460 720 590 680 760 590
 800 650 420 400 400 400 400 420 400 380 400 380 400 380 400 380 360 340
 340 340 340 320 300 290 280 290].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

我一直在寻找一些使用线性回归模型或逻辑回归模型的示例，但它们都使用二维数组作为输入，这不符合我的需求。我只有一个因素可以改变，结果就是净收入(或利润)。

我如何在我的项目中使用 sklearn？或者是否有其他更好的方法来解决问题？

我对编程还很陌生，没有数学和统计学知识，这让我更难理解或获取关键字来学习...请指导我。

--------------------------------已更新------------- ------------------------好吧，我再给你一个 df

    cpc    margin
0   440  -35224.0
1   340  -11574.0
2   380  -68439.0
3   420  -23435.0
4   840  -81620.0
5   400  -38585.0
6   530  -37496.0
7   590   -7287.0
8   560   -5681.0
9   590  -32766.0
10  500  -60852.0
11  400  -30819.0
12  650  -59653.0
13  480  -28905.0
14  620  -56496.0
15  680  -53614.0
16  590  -44440.0
17  460  -14066.0
18  420   16935.0
19  360  -12207.0
20  400   -8533.0
21  400   -6322.0
22  400   25834.0
23  720  -31086.0
24  400  121136.0
25  400  -28270.0
26  340    1950.0
27  340    1950.0
28  300    2016.0
29  340  -27632.0
30  400   32434.0
31  380  -26356.0
32  590  -23177.0
33  680    7197.0
34  320  -20735.0
35  760    9375.0
36  590  -20548.0
37  290   10574.0
38  380  -19107.0
39  290   42961.0
40  280  -16555.0
41  800  -15136.0
42  380  -14454.0
43  650  -12804.0

感谢您的回答，我可以进一步如下。在我可以毫无错误地运行我的代码后，我认为通过循环输入，我将能够获得最佳的 cpc 值。

import pandas as pd
from sklearn import datasets
from sklearn import metrics
from sklearn.linear_model import LogisticRegression
df = pd.DataFrame(final_db)
model = LogisticRegression()
x = df[['cpc']]
model.fit(x, df['margin'])
previous_prediction = -99999999999999
df_prediction = []
for i in list(range(10, 1000, 10)):
    prediction = model.predict([[i]])
    df_prediction.append({'cpc':i, 'margin' : prediction})
    if prediction > previous_prediction:
        previous_prediction = prediction
        previous_i = i

结果如下

这不是很令人满意。根据我现有的数据，有没有更好的模型可以使用？为了实现我的目标，还有其他建议吗？

Answer 1

我猜它是在提示这条线
model.fit(df['cpc'], df['margin'])

其中第一个参数应该是二维数组。您可以使用 DataFrame 的数组索引
df[['cpc']]
获取 DataFrame 而不是系列，这将解决问题