题目
赛题以预测二手车的交易价格为任务,数据集报名后可见并可下载,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。
题目链接
代码链接
题目分析
- 数据特征:数据特征共有31个特征,类别特征10个,数值特征21个,其中15个匿名特征均为数值特征
- 数据量:训练集包含15万条数据,测试集包含5万条数据
- 题目类型:属于典型的回归问题
- 评估指标:平均绝对误差MAE
- 本题的数据挖掘需要更加注重模型的可解释性
数据预处理
缺失值
数据集 | 字段名 | 缺失数据量 | 缺失率 |
---|---|---|---|
train | model | 1 | 6.67e-6 |
train | bodyType | 4506 | 3.004% |
tr |