MehmetDorukhanÜÇER

Here is a nice Estimated Ecommerce Sales code using pyhton before this download pip install scikit-learn library

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression

# Rastgele örnek e-ticaret verileri oluşturun

np.random.seed(0)

musteri_sayisi = 100

reklam_harcamalari = np.random.uniform(0, 10, musteri_sayisi)

urun_fiyatlari = np.random.uniform(10, 100, musteri_sayisi)

toplam_satislar = 30 * reklam_harcamalari + 5 * urun_fiyatlari + np.random.normal(0, 30, musteri_sayisi)

# Verileri bir veri çerçevesine dökün

veriler = pd.DataFrame({'Reklam Harcamaları': reklam_harcamalari, 'Ürün Fiyatları': urun_fiyatlari, 'Toplam Satışlar': toplam_satislar})

# Eğitim ve test verilerini oluşturun

X = veriler[['Reklam Harcamaları', 'Ürün Fiyatları']]

y = veriler['Toplam Satışlar']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# Lineer regresyon modelini eğitin

model = LinearRegression()

model.fit(X_train, y_train)

# Tahminleri yapın

y_pred = model.predict(X_test)

# Gerçek ve tahmini satışları karşılaştırın

karşılaştırma = pd.DataFrame({'Gerçek Satışlar': y_test, 'Tahmini Satışlar': y_pred})

print(karşılaştırma)

# Sonuçları görselleştirin

plt.scatter(X_test['Reklam Harcamaları'], y_test, color='red', label='Gerçek Satışlar')

plt.scatter(X_test['Reklam Harcamaları'], y_pred, color='blue', label='Tahmini Satışlar')

plt.xlabel('Reklam Harcamaları')

plt.ylabel('Satışlar')

plt.legend()

plt.show()