python定价_机器学习项目：使用Python进行零售价格推荐

日本最大的社区购物应用Mercari遇到了一个问题。他们希望向卖家提供定价建议，但这很难，因为他们的卖家能够在Mercari上放置任何东西。

在这个机器学习项目中，我们将建立一个自动建议正确的产品价格的模型。我们提供以下信息：

train_id – 列表的ID

name – 列表的标题

item_condition_id – 卖方提供商品的情况

category_name – 种类的列表

brand_name – 品牌名称

price – 该商品的售价。也就是我们预测的目标变量

shipping - 如果运费由卖方支付，买方支付0

item_description – 商品的完整描述

EDA

数据集可以从Kaggle下载(文末链接)。为了验证结果，我只需要train.tsv。让我们开始吧！

import gc

import time

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

from scipy.sparse import csr_matrix, hstack

from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizer

from sklearn.preprocessing import LabelBinarizer

from sklearn.model_selection import train_test_split, cross_val_score

from sklearn.metrics import mean_squared_error

import lightgbm as lgb

df = pd.read_csv('train.tsv', sep = '\t')

随机将数据拆分为训练集和测试集。我们只对EDA使用训练集。

msk = np.random.rand(len(df)) < 0.8

train = df[msk]

test = df[~msk]

train.shape, test.shape

((1185866, 8), (296669, 8))

train.head()

train.info()

价格

train.price.describe()

物品价格总体左倾(left skewed)，绝大多数物品售价10-20。然而，最昂贵的商品定价在2009。所以我们会对价格进行对数变换。

plt.subplot(1,2,1)

(train ['price'])。plot.hist(bins = 50，figsize =(12,6)，edgecolor ='white'，range = [0,250])

plt .xlabel('price'，fontsize = 12)

plt.title('Price Distribution'，fontsize = 12)

plt.subplot(1,2,2)

np.log(train ['price'] + 1).plot.hist(bins = 50，figsize =(12,6)，edgecolor ='white')