随着大数据时代数据的日益囤积，企业应该在更大程度上利用客户销售数据来了解目标客户，并做出更好的库存决策。我们的桌面应用程序旨在帮助企业分析对某些产品的需求，并根据来自不同国家的销售方销售的产品数量做出有效的库存决策，并考虑到每个国家的最佳销量比率和每个销售方的平均销量等因素。此外，它还可以预测了客户是否会接受新产品来增加产品的销售。我们的目标是根据客户所提供的信息，对他们进行分类和贴上标签，以预测他们是否有可能购买金融产品，以及他们是否需要积极销售。这将使我们能够对客户进行精确的营销，并提高产品的销售。我们计划利用这些结果来增加对高价值客户的营销努力，并通过将客户分成群体来降低营销成本。我们的项目旨在开发一个使用PyQt5桌面应用程序的销售预测系统。该系统将使用熊猫进行数据预处理，使用随机森林进行特征选择，并使用Logistic回归进行分类。我们还将编辑.csv文件，并在PyQt5上部署该应用程序。数据预处理：该程序将以一个.csv文件作为输入，并使用panda将数据处理成一种模型可以被训练和预测的格式。特征选择：我们将使用随机森林对特征的重要性进行排序，并选择重要性较高的特征来优化程序，减少运行时间。逻辑回归模型：我们将建立一个多元线性回归模型，并使用召回率/精度对其进行评估。用户界面：我们将编辑.csv文件，并在PyQt5上部署该应用程序。