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。