log-log vs log 双对数函数在价量预测情景中的优势和代码实现python（csdn）————程序.pdf
需积分: 8 37 浏览量
2021-12-01
22:44:00
上传
评论
收藏 262KB PDF 举报
log-log vs log 双对数函数在价量预测情景中的优势和代码实现
python
• log-log 优势
• 原因
• log-log 回归 python 代码实现
log-log 优势
双对数函数，log-log fucntion，基本格式：
l n Y = k 0 + k 1 ∗ l n X ln^Y = k_0 + k_1*ln^X lnY=k0+k1∗lnX
是常用于现实价量预测场景中的回归模型，很多现实零售场景中，销售的价量
关系往往是呈现类似于反比例关系的，当价格降低，销量呈现幂级或指数级增
加。此文为本人为对此函数模型简单理解，并比较和一般对数函数，反比例函
数的效果。
这里实验比较了 log 和 log-log，通过价格（输入）和销量（输出）回归。实
验样本取自真实销售历史记录。
Log 函数： Y = k 0 + k 1 ∗ l n X Y = k_0 + k_1*ln^X Y=k0+k1∗lnX
当价格（分布的均值） - （价格分布的标准差）接近于 0 时，（价格的变化范
围靠近 0 点），一般 log model 可以很好的拟合这种变化趋势。见下图
评论0
最新资源