admin管理员组文章数量:1530022
数据背景
数据前处理
1、数据类型归类->减少内存占用
if df[cols[i]].min() > np.iinfo(np.int8).min and df[cols[i]].max() < np.iinfo(np.int8).max:
df[cols[i]] = df[cols[i]].astype(np.int8)
2、信息整合->合并三张表单
pd.merge(df, calendar, on='d', how='left')
3、数据探索->统计性指标:不同区域、不同产品价格均值、时间热力图
df.groupby(['store_id','cat_id','item_id'],as_index=False)['sell_price'].mean().dropna()
特征工程
1、category encoding
for i,type in enumerate(types):
if type.name == 'category':
df[cols[i]] = df[cols[i]].cat.codes
2、特征构建->频数特征、过去一段时间统计特征
df['iteam_sold_avg'] = df.groupby('item_id')['sold'].transform('mean').astype(np.float16)
df['rolling_sold_mean'] = df.groupby(['id', 'item_id', 'dept_id', 'cat_id', 'store_id', 'state_id'])['sold'].transform(lambda x: x.rolling(window=7).mean()).astype(np.float16)
建立模型
df.to_pickle('data.pkl')
del df
gc.collect();
data = pd.read_pickle('data.pkl')
model = LGBMRegressor(
n_estimators=1000,
learning_rate=0.3,
subsample=0.8,
colsample_bytree=0.8,
max_depth=8,
num_leaves=50,
min_child_weight=300
)
参考文献
https://www.kaggle/anshuls235/time-series-forecasting-eda-fe-modelling
本文标签: competition
版权声明:本文标题:M5 competition 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1726692933a1080899.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论