LightGBMによる需要予測サンプル

このノートブックは、LightGBM を使って小売商品の需要予測を行うサンプルです。
需要予測は在庫最適化や欠品防止に重要な役割を持ちます。
Google Colab でそのまま動作する、実務をイメージした簡易予測パイプラインとして作成しました。

特徴

• ダミーデータを生成して日次の売上を予測
• カレンダー特徴量（月や曜日など）
• ラグ特徴量（過去1週間）
• 外部要因として、プロモーションや在庫情報の特徴量（※サンプル用にランダム生成しています。）
• Expanding Window CV
• LightGBMモデルでの予測
• 予測精度評価（MAE、RMSE）
• 予測結果の可視化（実績 vs 予測）
• 特徴量重要度の可視化

実行環境

• Python 3.10+
• Google Colab 推奨
• ライブラリ: pandas, numpy, matplotlib, seaborn, lightgbm, scikit-learn, japanize-matplotlib

実行方法

1. Google Colabで lightgbm_demand_forecast_sample.ipynb を開く
2. 上から順にセルを実行する
3. 予測結果のグラフと特徴量重要度のグラフが表示される

注意点

• 本ノートブックはサンプル用途のため、簡略化しています
• 実務で使用する場合は欠品処理、在庫ロジック、特徴量チューニングなどを拡張してください
• このリポジトリのコードはポートフォリオ用です。 閲覧は自由ですが、商用利用・再配布は不可です。