需求:根据给出的60款车型在22个细分市场(省份)的销量连续24个月(从2016年1月至2018年12月)的销量数据,建立销量预测模型;基于该模型预测同一款车型和相同细分市场在接下来一个季度连续4个月份的销量;除销量数据外,还提供同时期的用户互联网行为统计数据,包括:各细分市场每个车型的互联网搜索量数据等。
需求理解
这是一个监督回归任务:
- 监督 :给出过去2年(2016.1-2017.12)各车型、省份、车身的销量和搜索量数据,目标是预测未来4个月(2018.1~2018.4)的销量。
- 回归 :销量是一个连续变量,范围是1-15317。
数据说明
数据集包含细分市场、时间和销量搜索量几个方面的信息。
pre_data\train_sales_data.csv :初赛60车型训练数据。
data\train_sales_data.csv: 复赛82车型训练数据。
data\evaluation_public.csv:测试集数据。
data\train_search_data.csv:各细分市场的搜索量数据。
评价指标
采用归一化均方根误差的均值。首先单独计算每个车型在每个细分市场(省份)的NRMSE,再计算所有NRMSE的均值。
Score为最终评价指标,值为0-1之间,越接近1模型越准确。计算方式为:
鉴于此,本次学习分享采用第过去4个月(第21-24月)的数据作为验证集进行评估,用整体预测和分月预测两种方式进行对比。
整体预测结果:初赛(60款车型)验证达分数为0.714,复赛(82款车型)验证达分数为0.713。
分月预测结果:初赛(60款车型)验证达分数达0.814,复赛(82款车型)验证达分数达0.806。
数据分析
离散数据
月份:2016.01-2017.12,预测2018.1-2018.4
时间:1-28个月
省份:22个
车型:初赛60/复赛82
车身:4种
连续数据
销量:1-15317
搜索量:25-1552536