第二场比赛:预测未来销售
1. 比赛信息
1.1 Overview
-
Name: Predict Future Sales
-
Goal: predict total sales for every product and store in the next month.
-
Metric: Root-Mean-Squared-Error(RMSE,均方根误差)
-
Submission File Format: ID, item_cnt_month
1.2 Data
File descriptions:
- sales_train.csv - 训练集,从2013年一月到2015年十月的每日历史数据
- test.csv - 测试机,你需要为这些商店和产品预测的2015年11月的销售量
- sample_submission.csv - 一个正确格式的提交样例
- items.csv - 项目/产品的补充信息
- item_categories.csv - 项目类型的补充信息
- shops.csv - 各商店的补充信息
Data fields:
- ID - 一个Id表示测试集中的一个元组
- shop_id - 商店的唯一标识
- item_id - 商品的唯一标识
- item_category_id - 项目种类的唯一标识
- item_cnt_day - 商品销售数量,你要预测的就是这个值量每个月的值
- item_price - 一个项目的目前价格
- date_block_num - 一串连续的月份编号,方便使用,13年1月是0,2月是1,最后15年10月是33
- date - 格式为dd/mm/yyyy 的日期
- item_name - 项目名称
- shop_name - 商店名称
- item_category_name - 项目类型的名称
2. 数据分析
2.1 初步分析
几个数据集中均不存在空值缺失值,不用进行缺失值处理,数值型数据较多,特征数较少,方便处理,但是数据量较大,需要借助kaggle提供的kernal进行处理
2.2 EDA
一共6个数据,5个数值型,1个字符串型:
- date:日期,没什么好说的
- date_block_num:分布不好,零值有点多
- item_cnt_day:偏度比较大,需要取对数
- item_id:无
- item_price:分布比较集中的样子
- shop_id:无
pearson系数 & spearman系数:
要预测的值与每个特征都是强相关
3. 遇到的问题
kernal 的notebook一直关闭,打不开,开小飞机也没用