Модел: учене от примери

Накратко: Моделът за машинно обучение учи правилото от примери (признаци X и цел y) с fit, прогнозира с predict и се проверява на теста срещу базова линия.

Проблем

„Колко хора да сложа на склада?“

Управителят прави графика на склада за следващата седмица: колко души да приемат и опаковат поръчките всеки ден. Досега гадае по усет. Иска число за всеки ден. Ето поръчките от последната година, по дни:

Pythonданни: таблиците на магазина

import numpy as np
import pandas as pd

orders = pd.read_csv('year_orders.csv')
orders['ordered_at'] = pd.to_datetime(orders['ordered_at'])
daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame()
daily['weekday'] = daily.index.dayofweek
daily['month'] = daily.index.month

print(len(daily), round(daily['orders'].mean(), 2))
daily.head()

import numpy as np import pandas as pd orders = pd.read_csv('year_orders.csv') orders['ordered_at'] = pd.to_datetime(orders['ordered_at']) daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame() daily['weekday'] = daily.index.dayofweek daily['month'] = daily.index.month print(len(daily), round(daily['orders'].mean(), 2)) daily.head()

▶ ИзпълниВърни кода

Дните са 365, а средно идват 30,45 поръчки на ден. Броим всички поръчки, и отказаните: въпросът е колко пристигат, а и отказаната се приема и обработва. До всеки ден са денят от седмицата (0 е понеделник, 6 е неделя) и месецът. Как от тези примери да получиш число за петък, 6 ноември?

Идеята

Първо въпросът

Преди модела питаш какво решение ще вземеш с прогнозата. Тук то е колко хора да има всеки ден. От него следват три неща:

• Какво предсказваш. Броят поръчки в деня, а не оборотът: опаковането зависи от поръчките.
• Какво знаеш предварително. Графикът се прави в неделя. Тогава знаеш деня от седмицата и месеца на всеки ден. Колко поръчки ще дойдат до обяд в сряда не знаеш.
• Колко точно трябва. Колкото да не смениш решението: ако прогнозата греши с по-малко, отколкото поема един човек, графикът е същият.

Ако графикът не се мени, каквото и да покаже прогнозата, модел не ти трябва.

Идеята

Модел е функция, научена от примери

Модел е функция: даваш ѝ деня и тя връща прогноза. Правилото не го пишеш ти. Даваш примери, дни с известния им брой поръчки, и моделът сам намира правило, което пасва на тях. Входът се казва признаци (features) и се пише X. Това, което предсказваш, е целта (target), y.

Денят от седмицата е число от 0 до 6, но не е количество: неделята (6) не е „три пъти сряда“ (2). Затова всяка стойност става своя колона с 0 и 1. Това е one-hot кодиране, а pd.get_dummies го прави:

Pythonданни: таблиците на магазина

import numpy as np
import pandas as pd

orders = pd.read_csv('year_orders.csv')
orders['ordered_at'] = pd.to_datetime(orders['ordered_at'])
daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame()
daily['weekday'] = daily.index.dayofweek
daily['month'] = daily.index.month
X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int)
y = daily['orders']

print(X.shape)
print(list(X.columns[7:]))
X.iloc[:3, :7]

import numpy as np import pandas as pd orders = pd.read_csv('year_orders.csv') orders['ordered_at'] = pd.to_datetime(orders['ordered_at']) daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame() daily['weekday'] = daily.index.dayofweek daily['month'] = daily.index.month X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int) y = daily['orders'] print(X.shape) print(list(X.columns[7:])) X.iloc[:3, :7]

▶ ИзпълниВърни кода

Колоните са 19: 7 за дните и 12 за месеците. 1 ноември 2025 е събота, затова в реда му е 1 само в weekday_5 (и в month_11, която е по-вдясно).

Идеята

fit, predict и тестът

Моделите в scikit-learn имат едни и същи две стъпки:

• fit(X, y) учи от примерите;
• predict(X) дава прогноза за нови редове.

Дали моделът е добър, проверяваш на дни, които не е виждал. train_test_split разбърква редовете и дели: 75% са за обучение (train), а 25% за тест. С random_state=42 делението е едно и също при всяко пускане. Първото зареждане на scikit-learn (заедно със scipy) тегли около 18 MB и отнема няколко секунди:

Pythonданни: таблиците на магазина

import numpy as np
import pandas as pd

orders = pd.read_csv('year_orders.csv')
orders['ordered_at'] = pd.to_datetime(orders['ordered_at'])
daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame()
daily['weekday'] = daily.index.dayofweek
daily['month'] = daily.index.month
X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int)
y = daily['orders']
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
model = LinearRegression().fit(X_train, y_train)

pred = model.predict(X_test)
print(len(X_train), len(X_test))
print(round(np.abs(y_test - pred).mean(), 2))
print(round(np.abs(y_train - model.predict(X_train)).mean(), 2))
pd.DataFrame({'actual': y_test, 'predicted': pred.round(1)}).head()

import numpy as np import pandas as pd orders = pd.read_csv('year_orders.csv') orders['ordered_at'] = pd.to_datetime(orders['ordered_at']) daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame() daily['weekday'] = daily.index.dayofweek daily['month'] = daily.index.month X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int) y = daily['orders'] from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42) model = LinearRegression().fit(X_train, y_train) pred = model.predict(X_test) print(len(X_train), len(X_test)) print(round(np.abs(y_test - pred).mean(), 2)) print(round(np.abs(y_train - model.predict(X_train)).mean(), 2)) pd.DataFrame({'actual': y_test, 'predicted': pred.round(1)}).head()

▶ ИзпълниВърни кода

Моделът учи от 273 дни, а 92 дни са за теста. На тях греши средно с 4,38 поръчки на ден: средното на разликите между факта и прогнозата, без знака. На дните за обучение грешката е 4,09. Там моделът винаги изглежда по-добре, защото е виждал отговорите. Затова числото, което казваш, е от теста.

LinearRegression е модел, който събира по едно число за всяка колона. Как ги намира, е в следващия урок. Тук важат само fit и predict, а те са същите за всеки модел.

По-точно, за любопитните

Дните са подредени във времето, а train_test_split ги разбърква. Тук това е опростяване: моделът учи за септември и от дни след тестовия ден. В следващия урок ще видиш защо за прогноза е по-честно да делиш по време: учиш на по-ранните месеци и проверяваш на по-късните. Как учи модел на ръка, без библиотека, има в урока Линейна регресия от курса по AI.

Идеята

Първо базова линия

4,38 поръчки грешка добре ли е? Без сравнение не знаеш. Сравняваш с базова линия (baseline): прогноза без модел, с която всеки може да излезе. Например „винаги средното“. DummyRegressor е точно това, със същите fit и predict:

Pythonданни: таблиците на магазина

import numpy as np
import pandas as pd

orders = pd.read_csv('year_orders.csv')
orders['ordered_at'] = pd.to_datetime(orders['ordered_at'])
daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame()
daily['weekday'] = daily.index.dayofweek
daily['month'] = daily.index.month
X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int)
y = daily['orders']
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
model = LinearRegression().fit(X_train, y_train)
from sklearn.dummy import DummyRegressor

pred = model.predict(X_test)
base = DummyRegressor(strategy='mean').fit(X_train, y_train)
print(base.predict(X_test)[:3].round(2))
print('модел:', round(np.abs(y_test - pred).mean(), 2))
print('средното:', round(np.abs(y_test - base.predict(X_test)).mean(), 2))

import numpy as np import pandas as pd orders = pd.read_csv('year_orders.csv') orders['ordered_at'] = pd.to_datetime(orders['ordered_at']) daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame() daily['weekday'] = daily.index.dayofweek daily['month'] = daily.index.month X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int) y = daily['orders'] from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42) model = LinearRegression().fit(X_train, y_train) from sklearn.dummy import DummyRegressor pred = model.predict(X_test) base = DummyRegressor(strategy='mean').fit(X_train, y_train) print(base.predict(X_test)[:3].round(2)) print('модел:', round(np.abs(y_test - pred).mean(), 2)) print('средното:', round(np.abs(y_test - base.predict(X_test)).mean(), 2))

▶ ИзпълниВърни кода

Базовата линия казва 30,34 за всеки ден: средното на дните за обучение. Тя греши с 5,76 поръчки, а моделът с 4,38. Моделът е с 1,38 поръчки по-точен, с 24% по-малка грешка. Има смисъл.

Модел, който не бие базовата линия, не струва нищо. Той е код, данни и поддръжка, а дава колкото „винаги 30“. Затова базовата линия идва първа. Друга добра базова линия е това, което хората правят сега, например „колкото в същия ден миналата седмица“.

Пробвай

Правилото „като миналата седмица“

1. Моделът предсказва колко поръчки ще дойдат в един ден по деня от седмицата и месеца. Кое е y?

Броят поръчки в деняДенят от седмицата и месецътПрогнозата на модела

Провери

Сега управителят планира „колкото в същия ден миналата седмица“. Колко греши това правило на тестовите дни? Запиши в last_week поръчките отпреди 7 дни за всеки ден, а в err средната грешка без знака на дните от y_test.

Pythonданни: таблиците на магазина

import numpy as np
import pandas as pd

orders = pd.read_csv('year_orders.csv')
orders['ordered_at'] = pd.to_datetime(orders['ordered_at'])
daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame()
daily['weekday'] = daily.index.dayofweek
daily['month'] = daily.index.month
X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int)
y = daily['orders']
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
model = LinearRegression().fit(X_train, y_train)

last_week = ...
err = ...
print(round(err, 2))

import numpy as np import pandas as pd orders = pd.read_csv('year_orders.csv') orders['ordered_at'] = pd.to_datetime(orders['ordered_at']) daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame() daily['weekday'] = daily.index.dayofweek daily['month'] = daily.index.month X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int) y = daily['orders'] from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42) model = LinearRegression().fit(X_train, y_train) last_week = ... err = ... print(round(err, 2))

Провери▶ Изпълни

Упражнение

Стига ли денят? И планът за следващата седмица

Стига ли само денят от седмицата, без месеца? Учи LinearRegression само на колоните weekday от X_train. В err запиши средната грешка на тестовите дни, в base грешката на „винаги средното от обучението“, а в beats дали моделът я бие.

Pythonданни: таблиците на магазина

import numpy as np
import pandas as pd

orders = pd.read_csv('year_orders.csv')
orders['ordered_at'] = pd.to_datetime(orders['ordered_at'])
daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame()
daily['weekday'] = daily.index.dayofweek
daily['month'] = daily.index.month
X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int)
y = daily['orders']
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
model = LinearRegression().fit(X_train, y_train)

week_cols = [c for c in X.columns if c.startswith('weekday')]
week_model = ...
err = ...
base = ...
beats = ...
print(round(err, 2), round(base, 2), beats)

import numpy as np import pandas as pd orders = pd.read_csv('year_orders.csv') orders['ordered_at'] = pd.to_datetime(orders['ordered_at']) daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame() daily['weekday'] = daily.index.dayofweek daily['month'] = daily.index.month X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int) y = daily['orders'] from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42) model = LinearRegression().fit(X_train, y_train) week_cols = [c for c in X.columns if c.startswith('weekday')] week_model = ... err = ... base = ... beats = ... print(round(err, 2), round(base, 2), beats)

Провери▶ Изпълни

Тестът каза, че моделът с деня и месеца бие базовата линия. Сега прогнозата за истинската седмица, от понеделник 2.11 до неделя 8.11.2026. Учи модела наново на всички 365 дни, направи X_new с колоните на X и запиши в plan прогнозата за всеки ден (Series с датите като индекс).

Pythonданни: таблиците на магазина

import numpy as np
import pandas as pd

orders = pd.read_csv('year_orders.csv')
orders['ordered_at'] = pd.to_datetime(orders['ordered_at'])
daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame()
daily['weekday'] = daily.index.dayofweek
daily['month'] = daily.index.month
X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int)
y = daily['orders']
from sklearn.linear_model import LinearRegression

final = ...
dates = pd.date_range('2026-11-02', periods=7)
week = pd.DataFrame({'weekday': dates.dayofweek, 'month': dates.month}, index=dates)
X_new = ...
plan = ...
print(plan)

import numpy as np import pandas as pd orders = pd.read_csv('year_orders.csv') orders['ordered_at'] = pd.to_datetime(orders['ordered_at']) daily = orders.set_index('ordered_at').resample('D').size().rename('orders').to_frame() daily['weekday'] = daily.index.dayofweek daily['month'] = daily.index.month X = pd.get_dummies(daily[['weekday', 'month']], columns=['weekday', 'month'], dtype=int) y = daily['orders'] from sklearn.linear_model import LinearRegression final = ... dates = pd.date_range('2026-11-02', periods=7) week = pd.DataFrame({'weekday': dates.dayofweek, 'month': dates.month}, index=dates) X_new = ... plan = ... print(plan)

Провери▶ Изпълни

Тест

Провери се

1. Моделът греши средно с 4,09 поръчки на дните за обучение и с 4,38 на тестовите. Кое число казваш на управителя?

Средното на двете4,09: то е по-точно4,38: това е грешката на дни, които моделът не е виждал

2. Нов модел греши средно с 5,9 поръчки на ден, а „винаги средното“ с 5,76. Какво правиш?

Не ползваш модела: той е по-сложен и не дава нищо над базовата линияПолзваш модела: все пак е моделПолзваш средното на двете прогнози

3. Защо денят от седмицата влиза в модела като 7 колони с 0 и 1, а не като едно число от 0 до 6?

Защото scikit-learn не приема числаДенят е категория: неделята (6) не е „три пъти сряда“ (2)Така моделът е по-бърз

4. Графикът на склада се прави в неделя за цялата следваща седмица. Може ли признак да е „поръчките до обяд същия ден“?

Да, ако е в X_trainДа: той сигурно е много полезенНе: в неделя не знаеш поръчките до обяд в сряда

Провери

Започни урока отначало

Свързани уроци

• Нужно отпреди: Избиране: [], loc и iloc · Нови колони · Типове и липсващи стойности · Дати и времеви редове
• Продължава в: Линейна регресия · Класификация · Изтичане на данни (data leakage) · Кръстосана проверка (cross-validation)
• Задачи по темата: Модели със scikit-learn