河北高校邀请赛——二手车交易价格预测学习笔记(1)

Task 01赛题理解

学习目标

  • 理解赛题数据和目标,清楚评分体系。
  • 完成相应报名,下载数据和结果提交打卡(可提交示例结果),熟悉比赛流程

了解赛题

  • 赛题概况
    赛题以预测二手车的交易价格为任务,该数据来自某交易平台的二手车交易记录,总数据量超过40w,包含31列变量信息,其中15列为匿名变量。为了保证比赛的公平性,将会从中抽取15万条作为训练集,5万条作为测试集A,5万条作为测试集B,同时会对name、model、brand和regionCode等信息进行脱敏
  • 数据概况
    SaleID - 销售样本ID
    name - 汽车编码
    regDate - 汽车注册时间
    model - 车型编码
    brand - 品牌
    bodyType - 车身类型
    fuelType - 燃油类型
    gearbox - 变速箱
    power - 汽车功率
    kilometer - 汽车行驶公里
    notRepairedDamage - 汽车有尚未修复的损坏
    regionCode - 看车地区编码
    seller - 销售方
    offerType - 报价类型
    creatDate - 广告发布时间
    price - 汽车价格
    v_0’, ‘v_1’, ‘v_2’, ‘v_3’, ‘v_4’, ‘v_5’, ‘v_6’, ‘v_7’, ‘v_8’, ‘v_9’, ‘v_10’, ‘v_11’, ‘v_12’, ‘v_13’,‘v_14’ 【匿名特征,包含v0-14在内15个匿名特征】
  • 预测指标
    MAE(Mean Absolute Error)
    在这里插入图片描述
    其中 yi 代表第 i 个样本的真实值,其中 ^yi 代表第 i 个样本的预测值。
    这个MAE自然是越小,模型效果越好。
  • 分析赛题
    Kaggle上有一句非常经典的话,数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。因此,想要做好这个题目,首先得了解一些二手车交易基本的业务知识,以便我们更好的做特征工程。
    这是一个典型的回归问题,我们可以从先从简单的回归模型尝试,如线性回归、逻辑斯蒂回归,到比较复杂的 集成算法如随机森林、xgboost等。baseline的特征选择十分简单,只是简单去除了具有脱敏信息的特征列,还去除了bodyType、fuelType、offerType三个离散型特征(这个不清楚为什么)。模型方面选择了xgb和lightgbm作为初级学习器,先分别预测,再做了一个简单的加权融合,提升空间应该是蛮大的。
    总之,先不着急修改模型,先做做数据探索,了解了解业务信息再做进一步的打算。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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