python - 根据过去的退货率预测产品退货率
问题描述
我有一个瀑布数据集,它显示了笔记本电脑在不同周内由于缺陷而导致的退货。对于每个月的销售额,它显示不同月份的回报
我将数据转换为每周级别:例如,returns 列将是每个销售月的第一个月的收益。(它将是第一个对角线的总和
我将 pdf 拟合到 2 参数 weibull 分布中,该分布对故障率进行建模。(近似浴缸曲线)
然后我使用拟合曲线从预测的 cdf 中估计可靠性率。使用它来预测不可靠率。
然而,Weibull 分布不能准确地模拟一个频繁出现故障率的浴缸曲线,因此精度非常低。
有没有更好的方法来解决这个预测回报率的问题?
解决方案
推荐阅读
- java - 屏幕旋转后按钮消失
- postgresql - 按postgres中列的平均值排序的最有效方法
- python-3.x - Pickle 数据被截断——只有从 macos 发送时出现问题
- html - 如何在 Django 模板中添加垂直引导卡?
- php - Laravel 8 用户名可以安全输出吗?
- model-view-controller - knockout.js viewModel 不显示从控制器检索到的 json
- wordpress - 如何在 WordPress 中查询标准和视频帖子格式?
- xamarin.forms - 如何在 xamarin 中使用 plugin.ble 通过 ble 传递查询(modbus 数据包)
- android-studio - Android模拟器不呈现本机字体
- android - 如何修复android webview中的错误http响应代码失败