数据挖掘-二手车价格预测

赛题简介

本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第一场 —— 零基础入门数据挖掘之二手车交易价格预测大赛。

赛题以二手车市场为背景，要求选手预测二手汽车的交易价格，这是一个典型的回归问题。通过这道赛题来引导大家走进AI数据竞赛的世界，主要针对于于竞赛新人进行自我练习、自我提高。

数据获取：
https://tianchi.aliyun.com/competition/entrance/231784/information

方法

采用xgb、lgb以及randomforest三种数据挖掘常用模型，并做了模型融合改进预测结果。

代码

1、导入函数工具箱

## 基础工具
import numpy as np
import pandas as pd
import warnings
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.special import jn
from IPython.display import display, clear_output
import time

warnings.filterwarnings('ignore')
%matplotlib inline

## 模型预测的
from sklearn import linear_model
from sklearn import preprocessing
from sklearn.svm import SVR
from sklearn.ensemble import RandomForestRegressor,GradientBoostingRegressor

## 数据降维处理的
from sklearn.decomposition import PCA,FastICA,FactorAnalysis,SparsePCA

import lightgbm as lgb
import xgboost as xgb

## 参数搜索和评价的
from sklearn.model_selection import GridSearchCV,cross_val_score,StratifiedKFold,train_test_split
from sklearn.metrics import mean_squared_error, mean_absolute_error

2、数据读取及浏览

## 通过Pandas对于数据进行读取 (pandas是一个很友好的数据读取函数库)
Train_data = pd.read_csv('datalab/231784/used_car_train_20200313.csv', sep=' ')
TestA_data = pd.read_csv('datalab/231784/used_car_testA_20200313.csv', sep=' ')

## 输出数据的大小信息
print('Train data shape:',Train_data.shape)
print('TestA data shape:',TestA_data.shape)

## 通过.head() 简要浏览读取数据的形式
Train_data.head()

## 通过 .info() 简要可以看到对应一些数据列名，以及NAN缺失信息
Train_data.info()

## 通过 .columns 查看列名
Train_data.columns

TestA_data.info()

遇到的问题

1、xgboost库的安装
刚开始安装走了弯路，最终采用以下方法成功：
1）首先按照如下步骤安装：https://www.jianshu.com/p/ee71ca3a7252
2）一般来说就成功了，若仍旧报错，则找到安装位置，将xgboost.whl文件手动复制到
C:\Users\zheya\AppData\Roaming\Python\Python37\site-packages\xgboost文件夹中，因为有可能自动安装到了与xgboost并列的文件夹中。