Kaggle竞赛Corporación Favorita Grocery Sales Forecasting方案总结

最新推荐文章于 2023-08-02 17:41:30 发布
最新推荐文章于 2023-08-02 17:41:30 发布
阅读量3.2k 收藏 10
点赞数 2
分类专栏： Kaggle比赛方案 文章标签： Kaggle
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/qq_28900249/article/details/89312678
版权
本文总结了Kaggle Corporación Favorita Grocery Sales Forecasting竞赛的前三名解决方案。第一名通过特征工程，如类别特征、时间窗口和促销信息，结合LightGBM和神经网络模型。第二名将销售预测建模为seq2seq问题，利用空洞卷积和双向LSTM处理促销信息。第三名使用LightGBM、CNN+DNN和seq2seq RNN模型的加权平均，特征工程包括类别编码和时间序列信息。所有解决方案都重视了促销信息的处理和验证集的划分。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

第一名解决方案：https://www.kaggle.com/c/favorita-grocery-sales-forecasting/discussion/47582

1.样本选择

仅采用2017年的数据提取特征和构建样本。

训练数据：20170531 - 20170719 or 20170614 - 20170719， 不同的模型采用不同的数据集。

验证集是20170726 - 20170810

2.预训练

用0填充缺失值。

3.特征工程

1）基本特征

   ·类别特征：商店、商品等。

   ·促销

   ·周几

2）数值特征

   ·时间窗口

      ·最近的天数：[1,3,5,7,14,30,60,140]

      ·相同的时间窗口：[1] * 16, [7] * 20…

      ·key：store x item, item, store x class

      ·target: promotion, unit_sales, zeros

      ·方法：

            mean, median, max, min, std

           days since last appearance

          difference of mean value between adjacent time windows(only

最低0.47元/天 解锁文章
kaggle-Corporación Favorita Grocery Sales Forecasting
ZSY的大后台
02-08 2888
该项比赛1月15日就已经结赛了，但由于之后进入期末，备考花费了大量的时间，没来得及整理相关内容。现在终于有时间好好回顾比赛，并对这次比赛的过程进行记录。 Corporación Favorita Grocery Sales Forecasting 本次比赛是预测商品销量，给出的训练数据为<单位销量，日期，商店ID，商品ID，推销活动标签>，其中单位销量是待预测值，基本上属于回归...
Corporación Favorita Grocery Sales Forecasting 5th 代码详解
Whity_1222的博客
02-22 2162
本文为复现 kaggle cf 时间序列预测竞赛排行榜第五名代码的记录及相关个人理解、解析。
Kaggle 商品销量预测季军方案出炉，应对时间序列问题有何妙招
weixin_34075551的博客
01-08 1133
  https://baijiahao.baidu.com/s?id=1595331607299762312&wfr=spider&for=pc 雷锋网 AI 研习社消息，Kaggle 上 Corporación Favorita 主办的商品销量预测比赛于两个月前落下帷幕，此次比赛的奖金池共计三万美元，吸引到 1675 支队伍参赛。 近日，Private Leaderboa...
Corporación Favorita Grocery Sales Forecasting-数据集
03-05
随着零售商添加具有独特需求，新产品，日新月异的口味以及无法预测的产品行销的新地点，问题变得更加复杂。位于厄瓜多尔的大型杂货零售商CorporaciónFavorita非常了解这一点。他们经营着数百家超市，货架上有超过20万种不同的产品。 CorporaciónFavorita向Kaggle社区提出了挑战，要求其建立更准确地预测产品销售的模型。他们目前依靠主观预测方法来备份数据，而很少有自动化来执行计划。他们很高兴看到机器学习如何通过在正确的时间提供足够的正确的产品来更好地确保他们取悦客户。 Corporación Favorita Grocery Sales Forecasting_datasets.txt
广告行业中那些趣事系列51：超牛的kaggle比赛Favorita Grocery Sales Forecasting冠军方案...
abc50319的专栏
03-06 2357
导读：本文是“数据拾光者”专栏的第五十一篇文章，这个系列将介绍在广告行业中自然语言处理和推荐系统实践。本篇分享了kaggle比赛《Corporación Favorita Grocery ...
kaggle预测
weixin_33901926的博客
01-08 998
两个预测kaggle比赛 一 .https://www.kaggle.com/c/web-traffic-time-series-forecasting/overview   Arthur Suilin•(1st in this Competition)•a year ago•Options   github：https://github.com/sjvasquez/web-traffic-for...
免费资源_第三篇 竞赛（1）_Kaggle
Blog of Mary Sun
07-16 1515
Kaggle传送门：点击打开链接 这里仅列出前50个比赛，全部的271个比赛word版下载地址： 正在进行的比赛 1、Home Credit Default Risk 利用各种替代数据（包括电信和交易信息）预测客户的还款能力。 2、TrackML Particle TrackingChallenge CERN探测器中的高能物理粒子追踪。 比赛中，要构建一种算法，以快速重建硅探测器中剩余三维点的粒子轨迹。 3、The 2nd YouTube-8M VideoUnde...
活动、节假日、促销等营销方式的因果效应评估——特征工程篇（一）
素质云笔记
04-28 2857
本系列旨在挖掘活动、节假日、促销、优惠券、积分等营销权益因果效应评估，目前规划两个篇幅： 第一篇：会收集活动、节假日、促销等营销权益在做一些建模项目中，可以构造成为的特征工程方式 第二篇：使用各类模型、方法总结这些营销方式的几种效应评估方法 更多是文献整理，主要集中在预测类模型 - 营销方式入模的特征工程 文章目录1 活动类特征工程1.1 [竞赛] Corporación Favorita Grocery Sales Forecasting1.22 优惠券类2.1 天池新人实战赛o2o优惠券使用预测2
kaggle时间序列竞赛top方案汇总
学姐带你玩AI的博客
08-02 2175
时间序列预测作为机器学习中的一项常见的任务，应用场景非常广泛，比如电力能源、交通流量、股票价格、天气变化、疾病等预测，在各个领域中都具有非常重要的作用。我们遇到的很多预测问题其实都能看作是时序预测问题，在数据挖掘竞赛中，时间序列预测相关的竞赛也占了相当大的一部分。上次分享的是，感兴趣的同学点蓝字传送。
电商销量预测方法综述
hellozhxy的博客
03-08 9258
摘要 随着数字营销4.0的日趋成熟，大数据营销成为营销科学的研究重点，而其中，销量的准确预测具有重要意义，它对于自身营销规划、市场分析、物流规划都有重要意义。但是销量的预测受影响复杂，传统的基于统计的计量模型，比如时间序列模型等由于对现实的假设情况过多，在实际场景中应用，本文利用R语言和Python梳理并实现了当前主流的电商销量预测方法：第一类是计量统计模型，以ARIMA为代表；第二类是机器学习模型，主流的是基于树的集成学习，第三类是深度学习模型，主要以循环神经网络LSTM/GRUs为主的深度学习框架。本
Kaggle web traffic比赛整理
abc50319的专栏
09-10 4136
Kaggle web traffic比赛：https://www.kaggle.com/c/web-traffic-time-series-forecasting/data Kaggle web traffic比赛第一名代码地址：https://github.com/Arturus/kaggle-web-traffic Kaggle web traffic比赛第一名代码讲解：https://...
Kaggle比赛整理
热门推荐
kepcum
06-16 2万+
传送门：https://www.kaggle.com/competitions点击打开链接这里仅列出前50个比赛，全部的271个比赛word版下载地址：正在进行的比赛1、     Home Credit Default Risk利用各种替代数据（包括电信和交易信息）预测客户的还款能力。2、     TrackML Particle TrackingChallengeCERN探测器中的高能物理粒子追...
JDD专栏-2017JDD_销量预测&2018JDD人口预测
麻婆豆腐
01-03 5163
       俗话说的话，没有正确的模型，只是恰好模型对这个问题的解答很好。JDD销量预测的概述是对未来3个月的销售额（卖出去多少钱）进行预测。 一：简单的规则预测        首先，题目提供给我们5张表，分别是ads，comment，product，order，sales_sum（前缀是t_）的数据。我们先来确定一下label是什么，label就是sales_sum表里面的sale_amt...
如何为回归问题，选择最合适的机器学习方法？
湾区人工智能
04-18 345
在目前的机器学习领域中，最常见的三种任务就是：回归分析、分类分析、聚类分析。在之前的文章中，我曾写过一篇《sklearn 与分类算法》。那么什么是回归呢？回归分析是一种预...
时间序列相关学习笔记整理
weixin_39848830的博客
10-30 410
pandas应用 时间序列分析之_时间重采样 python时间序列分析之_用pandas中的rolling函数计算时间窗口数据 时间序列的平稳性及使用差分法处理非平稳时间序列 kaggle比赛： 1.时间序列基础建模方法 2.Corporación Favorita Grocery Sales Forecasting kaggle教程： 1.Time series Basic...
读 Forecasting High-Dimensional Data
wangrunjie1986
04-16 1048
ABSTRACT •Challenging –manypossible attribute combinationsthat needto be forecast •Challenging –manypossible attribute combinationsthat needto be forecast •Address –onlya sub-set of attr
forecasting sticker sales kaggle竞赛
最新发布
01-25
### 关于Kaggle Competition Sticker Sales Forecasting #### 数据集概述 数据集中包含了用于训练和测试的数据文件。这些文件具有相同的特征结构，参赛者需基于给定的时间序列和其他变量来预测未来的销售额[^4]。 #### 时间相关特征的重要性 时间相关特征对于销售预测至关重要。例如，在特定时间段内某些产品的销量会显著增加或减少。像冰淇淋这样的产品在夏季的销量通常较高，这表明了季节性和节假日等因素对销售的影响[^5]。 #### 特征工程 为了提高模型性能，可以考虑加入多种业务相关的特征，如价格变动、促销活动等。通过分析历史数据中的模式并将其转化为有用的输入信号，可以帮助捕捉到影响销售的关键因素。 #### 建模方法 建模过程中可借鉴其他类似竞赛的成功经验，如Corporación Favorita Grocery Sales Forecasting比赛中排名靠前团队所采用的技术路线。这类比赛往往涉及复杂的机器学习算法组合以及精心设计的特征提取过程[^3]。 ```python import pandas as pd from sklearn.model_selection import train_test_split from lightgbm import LGBMRegressor # 加载数据 data = pd.read_csv('train.csv') # 处理缺失值与异常值 data.fillna(method='ffill', inplace=True) # 创建新特征（假设） data['month'] = data.date.dt.month data['day_of_week'] = data.date.dt.dayofweek # 划分训练集和验证集 X_train, X_val, y_train, y_val = train_test_split( data.drop(['id', 'date'], axis=1), data.target_sales, test_size=0.2, random_state=42 ) # 训练LightGBM回归器 model = LGBMRegressor() model.fit(X_train, y_train) ```
评论
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
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