深度之眼比赛实战班第二场比赛作业 2.1 | 个人笔记

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