M5 competition

最新推荐文章于 2024-09-14 19:55:48 发布

data_monk00

最新推荐文章于 2024-09-14 19:55:48 发布

阅读量469

点赞数

分类专栏：数据竞赛文章标签： python

本文链接：https://blog.csdn.net/ffdsho/article/details/121828394

版权

数据竞赛专栏收录该内容

1 篇文章 0 订阅

订阅专栏

数据背景

在这里插入图片描述

数据前处理

1、数据类型归类->减少内存占用

if df[cols[i]].min() > np.iinfo(np.int8).min and df[cols[i]].max() < np.iinfo(np.int8).max:
                df[cols[i]] = df[cols[i]].astype(np.int8)

在这里插入图片描述

2、信息整合->合并三张表单

pd.merge(df, calendar, on='d', how='left')

3、数据探索->统计性指标：不同区域、不同产品价格均值、时间热力图

df.groupby(['store_id','cat_id','item_id'],as_index=False)['sell_price'].mean().dropna()

在这里插入图片描述

特征工程

1、category encoding

for i,type in enumerate(types):
    if type.name == 'category':
        df[cols[i]] = df[cols[i]].cat.codes

在这里插入图片描述

2、特征构建->频数特征、过去一段时间统计特征

在这里插入图片描述

df['iteam_sold_avg'] = df.groupby('item_id')['sold'].transform('mean').astype(np.float16)
df['rolling_sold_mean'] = df.groupby(['id', 'item_id', 'dept_id', 'cat_id', 'store_id', 'state_id'])['sold'].transform(lambda x: x.rolling(window=7).mean()).astype(np.float16)

建立模型

df.to_pickle('data.pkl')
del df
gc.collect();
data = pd.read_pickle('data.pkl')

model = LGBMRegressor(
        n_estimators=1000,
        learning_rate=0.3,
        subsample=0.8,
        colsample_bytree=0.8,
        max_depth=8,
        num_leaves=50,
        min_child_weight=300
    )