DW组队学习-二手车交易价格预测

数据挖掘 - 二手车交易价格预测

Task-1 赛题理解

1.赛题概况
赛题的任务是预测二手车的交易价格，数据集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。其中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。数据示例如下：

train.csv

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】

2.预测指标
本赛题的评价标准为MAE(Mean Absolute Error)。

3.分析赛题
1）此题是一个典型的回归问题。
2）主要应用xgb、lgb、catboost，以及pandas、numpy、matplotlib、seabon、sklearn、keras等等数据挖掘常用库或者框架来进行数据挖掘任务。
3)通过探索性数据分析（Exploratory Data Analysis，简称EDA）来挖掘数据的联系和自我熟悉数据。

4.今日完成工作
1）阅读理解了task-1阅读材料；
2）安装部署了anaconda相关环境组件以及用于数据分析的各个库，其中安装xgboost和lightgbm时出现无法安装的问题，尝试各种办法后发现是pip install 需要更新；
3）复习了平均绝对误差（Mean Absolute Error，MAE），均方误差（Mean Squared Error，MSE），平均绝对百分误差（Mean Absolute Percentage Error，MAPE），均方根误差（Root Mean Squared Error）， R2（R-Square）等常用回归分析预测指标的含义。

5.今日主要不足：
虽然理解了任务的的基本套路，但浮于表面，对自学材料里经验总结部分提到的“这题的难点可能在哪里，关键点可能在哪里，哪些地方可以挖掘更好的特征，用什么样得线下验证方式更为稳定，出现了过拟合或者其他问题，估摸可以用什么方法去解决这些问题，哪些数据是可靠的，哪些数据是需要精密的处理的，哪部分数据应该是关键数据”这些问题完全没有概念。