第十一届“泰迪杯”数据挖掘挑战赛(B题：产品订单的数据分析与需求预测)

已于 2023-04-09 18:12:33 修改
阅读量730 收藏 3
点赞数
文章标签： python
于 2023-04-09 18:08:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_68235035/article/details/130045305
版权
该博客参与了第十一届‘泰迪杯’数据挖掘挑战赛，重点分析训练数据中产品价格、区域、销售方式、品类、时间段、节假日、促销和季节等因素对需求量的影响。基于这些分析，建立了数学模型预测未来3个月（2019年1月到3月）的产品月需求量，并探讨了预测粒度（天、周、月）对精度的影响。
摘要由CSDN通过智能技术生成

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGF0YS1N,size_20,color_FFFFFF,t_70,g_se,x_16

 watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGF0YS1N,size_20,color_FFFFFF,t_70,g_se,x_16

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGF0YS1N,size_19,color_FFFFFF,t_70,g_se,x_16 

代码地址

https://mbd.pub/o/bread/ZJeYlJ1r

 

三．需要解决的问题

1. 请对附件中的训练数据（order_train1.csv）进行深入地分析，可参照但不限于下述主题。

（1） 产品的不同价格对需求量的影响；

（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；

（3） 不同销售方式（线上和线下）

最低0.47元/天 解锁文章
data-M
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
泰迪杯论文B题（特等奖）
weixin_47922824的博客
12-07 1万+
目录 一、简介 1.1研究背景及研究现状 1.2研究任务 1.2.1绝缘子串珠分割 1.2.2绝缘子自爆识别和定位 1.3技术路线流程图 1.3.1模型训练流程图 1.3.2模型测试流程图 二、基本理论 2.1卷积神经网络 2.2全卷积神经网络 2.3残差连接 三、数据预处理 3.1掩膜图像二值化 3.2图像切分 3.3数据扩增 3.4数据集调整 3.5预处理流程图 四、绝缘子串珠分割 4.1图像分割算法 4.1.1Unet 网络 4.1.2Segnet 网络 4
【复盘与分享】第十一届泰迪杯B题：产品订单的数据分析与需求预测
C语言/数据结构/数学建模/深度学习/生物信息
07-23 4706
对我们的工作进行一个总结，对很多准备相关比赛的同学还是挺有帮助的，所以还是复盘一下 需要论文的pdf版本的，可以在评论区给出邮箱。源代码的话有点乱，我自己现在都不一定理的清了，有需要的话再说。
【第十一届泰迪杯B题产品订单的数据分析与需求预测产品订单的数据分析与需求预测 】第二大问代码分享+解题思路（EDA数据再探索+LightGBM模型）
shine_Lee_的博客
04-06 1万+
- 根据第一问的简单分析，和衍生出了一些特征，例如年月日、价格标签、是否节假日、week等 - 读入第一问保存的文件csv，process1.csv，进行数据再探索，发现需要对价格进行更细致的分区间，我采用最优分箱操作，将每个产品的价格归为不同的价位区间，因为相同的产品，它在不同的地区，不同的时间，价格会有波动，所以使用分箱，可以大致归纳价格特征。 - 然后再在此基础上，衍生出其他特征，星期几、是否工作日等(因为跟据EDA数据探索和第一问可视化分析，发现周末、还有不是工作日时，需求量会有所上升。)
【第十一届“泰迪杯”数据挖掘挑战赛】B题产品订单的数据分析与需求预测“解题思路“”以及“代码分享”
shine_Lee_的博客
03-26 2万+
此题我们需要分析：不同大品类2015到2018年需求量分析、不同细分品类2015到2018年需求量分析从而得出不同点与共同点。首先需要对日期进行判断月初、月中、月末区间，打上标签，再根据标签进行分组(注意：数据中2018的12月没有月末区间数据)先对每天的需求量进行统计，再进行对数据季节打标签处理，最后分组统计获得每年每个季节的需求量均值，绘图分析。（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；创作不易，还请见谅！计算促销日期所在周的需求量，以及其前一周，后一周的需求量，
产品订单的数据分析与需求预测
DA_Yang的博客
08-04 3377
第十一届“泰迪杯”数据挖掘挑战赛：进行产品订单分析与需求预测
2023年泰迪杯数据挖掘挑战赛B题订单分析与需求预测+python源码（示例数据）
03-30
2023年泰迪杯数据挖掘挑战赛B题，产品订单数据分析与需求预测问题的源码和数据。博主自己做的结果，python实现，代码都有注释说明，可供参考学习，有问题欢迎私聊。 本题主要包括两问，第一问进行数据预处理+数据...
第十届“泰迪杯”数据挖掘挑战赛B题 完整解题代码
04-24
在第十届“泰迪杯”数据挖掘挑战赛中，B题是一个典型的综合应用问题，它涉及到数据挖掘和人工智能的关键技术。本次比赛旨在检验参赛者在数据处理、模式识别、预测建模等方面的能力。完整的解题代码是实现这些任务的...
2023年泰迪杯B题完整数据代码结果
04-26
代码有详细文件说明，开发环境jupyter，主要利用集成学习+深度学习+多种因素分析+完整结果。具体的思路可以参考以下博客，有任何问题可以私信我。 ...
2022年数据挖掘泰迪杯比赛A题代码.zip
08-24
全国大学生电子设计竞赛（National Undergraduate Electronics Design Contest），试题，解决方案及源码。计划或参加电赛的同学可以用来学习提升和参考。程序均是实战案例，经过测试可直接运行。...
机器学习详细教程|深度学习|神经网络算法等
04-02
决策树(decision tree)算法 邻近规则分类(K-Nearest Neighbor)KNN算法 支持向量机(SVM)算法 神经网络算法 简单线性回归 (Simple Linear Regression) 非线性回归 logistic regression 回归中的相关度和R平方值 聚类(Clustering) hierarchical clustering 层次聚类
第十一届泰迪杯B题：产品订单的数据分析与需求预测
FUYUJIAN1的博客
03-21 1万+
2. 基于上述分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来3月（即2019年1月、2月、3月）的月需求量，将预测结果按照表3的格式保存为文件result1.xlsx，与论文一起提交。附件中的预测数据（predict_sku1.csv）提供了需要预测产品的销售区域编码、产品编码、产品品类和产品细品类（格式见表2）。（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；（3） 不同销售方式（线上和线下）的产品需求量的特性；
2023年泰迪杯数据挖掘挑战赛B题--产品订单数据分析与需求预测（2.数据探索性分析）
maligebilaowang的博客
04-01 8775
继续上一片数据预处理进行续写，利用预处理之后的数据进行数据分析并且解决问题一相关的问题。问题一主要目的是让研究各种因素对于需求量的影响，然后找到确定影响需求量的主要因素并且进行数据分析和主要特征抽取。对于问题提出的八个小问，可以以具体几个问题进行分析，后续都可以采用一样的分析流程。
2023年泰迪杯数据挖掘挑战赛B题--产品订单数据分析与需求预测（1.数据处理）
maligebilaowang的博客
03-30 1万+
本题相对来说比较适合新手，包括针对数据的预处理，数据分析，特征提取以及模型训练等多个步骤，完整的做下来是可以学到很多东西的。
第十一届“泰迪杯”数据挖掘挑战赛——B 题：产品订单的数据分析与需求预测程序思路与图片（代码较长，需者私信）
m0_73804671的博客
03-30 8648
第十一届“泰迪杯”数据挖掘挑战赛——B 题：产品订单的数据分析与需求预测程序思路与图片（代码较长，需者私信）
【2023年第十一届泰迪杯数据挖掘挑战赛】B题：产品订单的数据分析与需求预测 建模及python代码详解 问题二
热门推荐
BetterBench的博客
03-29 2万+
在此任务中，首先，读取训练集和预测集数据，并将训练集中的日期列转换为日期类型，并将其设置为数据集的索引。接着，将数据按照一定的维度进行分组，并将每个组的时间序列进行了平稳性检验，若不平稳则进行一阶或者多阶差分，直到序列平稳。基于问题一的分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来 3 月（即 2019 年 1 月、2 月、3 月）的月需求量，将预测结果按照表 3 的格式保存为文件 result1.xlsx，与论文一起提交。完整题目参考问题一的文章。
【2023年第十一届泰迪杯数据挖掘挑战赛】B题：产品订单的数据分析与需求预测 建模及python代码详解 问题一
BetterBench的博客
03-26 1万+
然后，可以计算出每个节假日的平均需求量，将其与普通日的需求量进行比较，从而分析节假日对产品需求量的影响。例如，如果线上订单需求量的中位数明显高于线下订单需求量的中位数，那么我们可以判断线上销售渠道对产品需求量的贡献较大。从结果中可以看出，不同季节的订单需求量分布存在差异，例如冬季的订单需求量普遍较高，而夏季的订单需求量则普遍较低。此外，不同季节的订单需求量与产品价格之间的关系也存在一定的差异，例如在春季和秋季，订单需求量与产品价格之间存在一定的正相关关系，而在夏季和冬季则不存在明显的相关性。
订单数据分析
weixin_38730853的博客
07-22 3834
订单背景 订单：对订单的预测不仅为了企业更好的制定物料采购计划、控制库存、提升生产效率、控制生产进度，还为了帮助企业更好的把控市场潜在需求，分析目前经营状态和未来发展趋势。 宽厚板材市场价格 （1）人民币汇率 （2）进出口情况：进口总量/出口总量 （3）贷款利率 各地区需求量？与其进出口的相关地区 宽厚板的原材料压力？ 客户类别（下游产业） （1）造船业：集装箱船/货船/油船—— 船板 （2）火...
第十一届泰迪杯数据挖掘挑战赛b题
最新发布
12-20
第十一届泰迪杯数据挖掘挑战赛b题是关于电商平台用户行为数据的分析和预测。该比赛要求参赛者基于给定的数据集，利用数据挖掘和机器学习技术，预测用户在未来一段时间内的购买行为和偏好，为电商平台提供个性化推荐和营销策略。 首先，参赛者需要对给定的用户行为数据进行分析和清洗，包括用户的浏览、搜索、点击、加购物车、购买等行为，以及用户的基本信息和商品信息。然后，利用数据挖掘技术，建立用户行为的模型，对用户的购买意向进行分类和预测。同时，还需要分析用户的购买偏好和行为规律，为电商平台提供精准的推荐和个性化的营销策略。 在解答这道题目时，参赛者需要熟练掌握数据挖掘和机器学习的相关算法和工具，如分类、聚类、回归、决策树、神经网络等。同时，还需要具备对数据进行可视化分析的能力，以便更直观地展现用户行为模式和规律，为电商平台提供决策支持。 总的来说，第十一届泰迪杯数据挖掘挑战赛b题要求参赛者在实际的电商场景中运用数据挖掘和机器学习技术，分析用户行为数据，预测用户购买意向，为电商平台提供个性化的推荐和营销策略，展现了数据挖掘在电商领域的重要应用和发展前景。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

data-M

谢谢支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值