毕业设计题目：Django+Vue 基于随机森林算法的手机销量分析与预测

运

一、 系统设计思想与核心功能

设计思想： 采用前后端分离架构，Django作为后端提供RESTful API负责数据管理、模型训练和预测，Vue作为前端负责数据可视化、用户交互和结果展示。随机森林模型作为核心预测引擎。

核心功能模块：

1. 数据管理模块：

   • 手机销量数据的上传、查看、编辑、删除。

   • 数据字段可能包括：品牌、型号、发布时间、价格、屏幕尺寸、内存、存储、摄像头像素、电池容量、历史销量等。

2. 数据分析与可视化模块：

   • 多维度数据看板： 使用ECharts等图表库展示销量趋势（按时间）、品牌市场份额、价格分布、功能特性与销量的关系等。

   • 数据探索： 用户可以选择不同维度和筛选条件来动态生成图表。

3. 机器学习预测模块：

   • 模型训练： 用户可以选择数据特征，触发后端训练随机森林回归模型（预测具体销量）或分类模型（预测销量等级，如高/中/低）。

   • 单样本预测： 用户在前端输入或选择一款手机的各项参数，系统调用已训练好的模型预测其销量。

   • 批量预测： 上传包含多款手机参数的文件，进行批量预测并下载结果。

4. 模型评估模块：

   • 训练完成后，展示模型的关键评估指标，如：均方误差（MSE）、决定系数（R²）、特征重要性排序图。

二、 系统整体架构

系统采用经典的前后端分离架构，其数据流和组件交互如下图所示：

三、 技术栈选型

四、 数据库模型设计

在Django的models.py中定义核心数据模型：

python

from django.db import models

class PhoneSalesData(models.Model):
    # 基础信息
    brand = models.CharField(max_length=50, verbose_name="品牌")
    model = models.CharField(max_length=100, verbose_name="型号")
    release_date = models.DateField(verbose_name="发布日期")
    
    # 规格参数
    price = models.FloatField(verbose_name="发售价")
    screen_size = models.FloatField(verbose_name="屏幕尺寸")
    ram = models.IntegerField(verbose_name="运行内存")
    storage = models.IntegerField(verbose_name="存储容量")
    camera_main = models.FloatField(verbose_name="主摄像头像素")
    battery = models.IntegerField(verbose_name="电池容量")
    # ... 可根据需要添加更多特征
    
    # 目标变量
    sales_volume = models.FloatField(verbose_name="销量", null=True, blank=True) # 用于训练和真实数据
    # 或者使用销量等级
    sales_level = models.CharField(max_length=10, choices=(('H', '高'), ('M', '中'), ('L', '低')), verbose_name="销量等级")
    
    created_time = models.DateTimeField(auto_now_add=True, verbose_name="创建时间")

    def __str__(self):
        return f"{self.brand} {self.model}"

行结果展示：