Le volume des ventes et les chiffres des recettes pour chaque produit individuel sont désormais suivis par les centres de gestion des grands supermarchés, connus sous le nom de Big Marts, afin de prévoir la consommation intérieure possible et de réviser le contrôle des stocks. En explorant le serveur de base de données de l'entrepôt de données, des incohérences et des modèles généraux sont fréquemment découverts. Les statistiques peuvent être utilisées par des entreprises telles que Big Mart pour prévoir les ventes potentielles de produits à l'aide d'une variété de méthodes impliquant l'apprentissage automatique. Dans ce projet, nous avons utilisé plusieurs algorithmes d'apprentissage automatique tels que la régression linéaire, la régression Ridge, la régression Lasso, la régression par arbre décisionnel, la régression Random Forest, la régression Support Vector, la régression Adaboost, la régression XGBoost pour prédire les ventes de produits dans le Big Mart. Nous observons que, parmi les algorithmes mentionnés, la régression XGBoost est la plus efficace pour prédire le volume des ventes. Nous avons donc créé un modèle utilisant la régression XGBoost et l'avons affiné pour améliorer encore la précision.