Телеграмм чат группы pydata

Привет, стоит задача спрогнозировать объем трафика на следующий месяц по этим данным, подскажите, пожалуйста, возможно ли осуществить это или данных все же недостаточно? Если использовать одну из моделей машинного обучения, то получается всего три признака, а временные ряды для меня пока в новинку

Ну вообще, я вижу, тут у вас сабсет из данных. Я так понимаю, sessions - это целевая переменная? Попробуйте обычную линейную модель.

источник

14:35пожаловаться #3

R

Ruslan in Python для анализа данных

Aleksandr

bbnbn.png

(25.63 Кб)

Привет, стоит задача спрогнозировать объем трафика на следующий месяц по этим данным, подскажите, пожалуйста, возможно ли осуществить это или данных все же недостаточно? Если использовать одну из моделей машинного обучения, то получается всего три признака, а временные ряды для меня пока в новинку

Не забудь создать дамми переменную по gender

источник

14:37пожаловаться #4

R

Ruslan in Python для анализа данных

И после можно попробовать с простой линейной регрессии

источник

14:38пожаловаться #5

КД

Кирилл Дмитриевич... in Python для анализа данных

Категорию я бы факторизовал

источник

14:38пожаловаться #6

R

Ruslan in Python для анализа данных

В r вроде есть библиотека позволяющая находить оптимальный набор предикторов и их функциональную форму

источник

14:39пожаловаться #7

R

Ruslan in Python для анализа данных

С зависимой переменной

источник

14:39пожаловаться #8

R

Ruslan in Python для анализа данных

Кирилл Дмитриевич

Категорию я бы факторизовал

++

источник

14:39пожаловаться #9

R

Ruslan in Python для анализа данных

По категориям тоже нужны дамми переменные

источник

14:40пожаловаться #10

R

Ruslan in Python для анализа данных

Факторизовать нужно ещё и возраст

источник

14:41пожаловаться #11

A

Aleksandr in Python для анализа данных

значит, все же линейная модель, спасибо, попробую реализовать, просто смущает столько малое количество признаков

источник

14:41пожаловаться #12

R

Ruslan in Python для анализа данных

Aleksandr

значит, все же линейная модель, спасибо, попробую реализовать, просто смущает столько малое количество признаков

Не совсем. Начни с линейной. Если качество модели будет низкое то пробуй логарифмы

источник

14:42пожаловаться #13

PZ

Pavel Zheltouhov in Python для анализа данных

в смысле кроме этих 5 записей в задании ничего нет?

источник

14:42пожаловаться #14

A

Aleksandr in Python для анализа данных

Всего 28 тысяч строк, я сделал срез по необходимой категории и получилось около 9 тысяч

источник

14:43пожаловаться #15

PZ

Pavel Zheltouhov in Python для анализа данных

значит там наверняка есть сезонность.
возможно, если времени много, они бы хотели увидеть максимум вариантов и процесс улучшения

источник

14:44пожаловаться #16

R

Ruslan in Python для анализа данных

Я бы модель строил по 27 тыс строк. Остальные отправил бы на тестирование

источник

14:44пожаловаться #17

R

Ruslan in Python для анализа данных

Pavel Zheltouhov

значит там наверняка есть сезонность.
возможно, если времени много, они бы хотели увидеть максимум вариантов и процесс улучшения

Чтобы исключить сезонность нужно определиться на какие месяца она приходится и создать дамми переменные. Если месяц сезонный то 1, если нет то 0

источник

14:46пожаловаться #18

РА

Руслан Ахмадеев... in Python для анализа данных

Мне нужно создать отчетность по рассылкам из сервиса Mindbox

API Mindbox. Экспорт действий по рассылкам
https://developers.mindbox.ru/docs/экспорт-действий-по-рассылкам#section-описание-метода

Универсальная операция следующая:
POST https://api.mindbox.ru/v3/operations/sync?endpointId={idсайта}&operation={название операции}

Accept: application/xml
Content-Type: application/xml
Authorization: Mindbox secretKey="{секретный ключ}"

<operation>
<page>
<firstMindboxId>{Идентификатор последнего выгруженного действия}</firstMindboxId>
<pageNumber>{Номер страницы}</pageNumber>
<itemsPerPage>{Количество действий на страницу}</itemsPerPage>
</page>
</operation>

https://api.mindbox.ru/v3/operations/sync?endpointId={idсайта}&operation={название операции}

Accept: application/xml
Content-Type: application/xml
Authorization: Mindbox secretKey="{секретный ключ}"

<operation>
<page>
<firstMindboxId>{Идентификатор последнего выгруженного действия}</firstMindboxId>
<pageNumber>{Номер страницы}</pageNumber>
<itemsPerPage>{Количество действий на страницу}</itemsPerPage>
</page>
</operation>

Я написал скрипт:

headers = {
'Authorization': 'Mindbox secretKey="{секретный ключ}"',
'Accept': 'application/xml',
'Content-Type': 'application/xml'
}
r = requests.post('https://api.mindbox.ru/v3/operations/sync?endpointId={idсайта}&operation=ExportEmail',
headers=headers)
requests.post('https://api.mindbox.ru/v3/operations/sync?endpointId={idсайта}&operation=ExportEmail',
headers=headers)

На что получил ответ <Response [200]>

Подскажите, пожалуйста, куда и как вставить вот эту часть, так чтобы получить данные о рассылках?

<operation>
<page>
<firstMindboxId>{Идентификатор последнего выгруженного действия}</firstMindboxId>
<pageNumber>{Номер страницы}</pageNumber>
<itemsPerPage>{Количество действий на страницу}</itemsPerPage>
</page>
</operation>

Mindbox API

Экспорт действий по рассылкам

Осуществляется с помощью POST-запроса. Название операции настраивается в системе Майндбокс. Подробней про вызов метода можно прочитать здесь. firstMindboxId - это id действия в Майндбокс, с которого выгружать действия. Такой запрос возьмет все действия, начиная с указанного Id включительно. Для пе...

источник

14:46пожаловаться #19

КД

Кирилл Дмитриевич... in Python для анализа данных

Ruslan

По категориям тоже нужны дамми переменные

Не сказал бы. В некоторых случаях лучше все таки использовать OneHotEncoder, или ковырять в R через as.factor(x). C даммисами сложнее работать потом будет

источник

14:47пожаловаться #20