A beginner-friendly project demonstrating sales prediction using machine learning. Implements Linear Regression with Python and Scikit-learn on a simple dataset
Model Evaluation: Actual vs Predicted Sales In the Actual vs Predicted Sales chart, the closer the predicted points are to the actual points (on the X-axis), the better the model's performance.
Small Error: The predicted values are close to the actual values, indicating good model accuracy. Large Error: The predicted values are far from the actual values, indicating poor model performance. Ideally, if the model is perfect, all points would lie on the line y = x (i.e., the predicted values would exactly match the actual values)
یک پروژه مبتدی پسند که پیش بینی فروش را با استفاده از یادگیری ماشین نشان می دهد. رگرسیون خطی را با پایتون و Scikit-learn روی یک مجموعه داده ساده پیاده‌سازی می‌کند
ارزیابی مدل: فروش واقعی در مقابل فروش پیش بینی شده در نمودار فروش واقعی در مقابل پیش بینی شده، هر چه نقاط پیش بینی شده به نقاط واقعی (در محور X) نزدیکتر باشند، عملکرد مدل بهتر است.
خطای کوچک: مقادیر پیش بینی شده نزدیک به مقادیر واقعی هستند که نشان دهنده دقت خوب مدل است. خطای بزرگ: مقادیر پیش بینی شده با مقادیر واقعی فاصله زیادی دارند که نشان دهنده عملکرد ضعیف مدل است. در حالت ایده آل، اگر مدل کامل باشد، همه نقاط روی خط y = x قرار می گیرند (یعنی مقادیر پیش بینی شده دقیقاً با مقادیر واقعی مطابقت دارند)