Kaggle Predict Future Sales 竞赛（score 0.899, top 11%）报告

Kaggle Predict Future Sales 竞赛报告

 jiantang2000@163.com 2020-07-31

摘要

Kaggle 上的Predict Future Sales竞赛提供了俄罗斯1C company 近3年来的销售数据，其要求是使用这些数据进行建模，并预测接下来一个月里的每个商店的每种商品的销售量。这篇报告介绍了如何参加这个比赛，给出了一个如何使用R语言进行数据清洗，特征工程抽取，模型构建的全过程。截止到2020/7/31，模型在竞赛中提交了15次，取得的最终分数是0.899946，整体排名11%。

竞赛介绍

参加这个比赛是几乎无门槛的，我们可以直接访问竞赛的官网地址【1】，注册一个kaggle账号然后参与近来。

截止到2020/7/31，竞赛参与 人数 8600+，总提交次数7.4W+，本人单人排名top11%.

竞赛提供的数据集为6个.csv文件，大小为近100M，分别包括了指定的训练集，指定的测试集，一个标准提交样本，商店信息，商品信息，商品分类信息。

1. 训练集中包括精确到日的时间，月份编号，商店ID，商品ID，商品价格，商品当日销售量。
2. 测试集中包括定位ID，商店ID，商品ID。
3. 标准提交样本中包括定位ID，未来一个月的预测销售量。
4. 商店信息中包括商店ID，商店名称（俄语）。
5. 商品信息中包括商品名（俄语），商品ID，商品分类ID。
6. 商品分类信息中包括商品分类编号，商品分类ID。

数据处理

缺失值处理

首先进行缺失值检测。缺失值处理的策略有很多：

直接删除（合适本场景）࿱