本文是关于KDD Cup 2017数据挖掘项目的总结，主要涉及流量预测问题。作者分析了数据，进行了数据预处理，包括异常检测和异常数据删除。探讨了特征工程，如短期流量特征提取，以及模型选择与调参，如GBRT、RF和线性回归等。此外，文章还提到了交叉验证和模型集成如stacking的重要性，并规划了后续工作，如时间序列算法的应用和特征筛选。
序
KDD CUP 2017从四月开始做，到今天（0508）已经做了一段时间，成绩目前虽然较以前有了不少提升，但距离顶尖还有不少距离。
最近把想到的好实现的东西都实现了，效果也都不错，但是貌似遇到了瓶颈，现在捋一捋思路，看看还有什么地方可以继续提高。
由于目前只做了volume的部分，所以下文中只涉及vol。
Data Analysize
接触到数据，首先做了一些简单的分析和可视化。然后定了基本思路。
定义问题
- 高速公路收费口流量预测
- 已知的大部分数据都是高速收费口外（合流区，分流区）的数据
输入：
- 目标区域的道路网络拓扑
- 车辆轨迹
- 车型
- 收费口历史流量
- 天气
- 节假日
输出：
- 预测路口A-收费口1之间的通行时间
- 收费口流量
可视化
- plot(y)之后发现时间区间包含了十一假期，流量会有异常，而预测区间内不包含法定节假日，推测该部分数据对预测帮助不大，所以在后来当作异常数据给处理掉了。
- 流量的周期变化十分明显，周期为一天，常识上也认为每周会有对应的变化。
- 长期趋势不明显。
基本思路
- 通行时间和收费口流量应该是强相关的（不一定是同一时段）
最低0.47元/天 解锁文章
扫一扫
804
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
