二手车价格预测-赛题理解

字段

Field	Description
SaleID	交易ID，唯一编码
name	汽车交易名称，已脱敏
regDate	汽车注册日期，例如20160101，2016年01月01日
brand	车型编码，已脱敏
brand	汽车品牌，已脱敏
bodyType	车身类型：豪华轿车：0，微型车：1，厢型车：2，大巴车：3，敞篷车：4，双门汽车：5，商务车：6，搅拌车：7
fuelType	燃油类型：汽油：0，柴油：1，液化石油气：2，天然气：3，混合动力：4，其他：5，电动：6
gearbox	变速箱：手动：0，自动：1
power	发动机功率：范围 [ 0, 600 ]
kilometer	汽车已行驶公里，单位万km
notRepairedDamage	汽车有尚未修复的损坏：是：0，否：1
regionCode	地区编码，已脱敏
seller	销售方：个体：0，非个体：1
offerType	报价类型：提供：0，请求：1
creatDate	汽车上线时间，即开始售卖时间
price	二手车交易价格（预测目标）
v系列特征	匿名特征，包含v0-14在内15个匿名特征（需要进行数据挖掘)

以下是我对数据的简单猜测：
进行简单的观察后，SaleID肯定与price无关的。V系列对price的影响需要进行挖掘。
power,kilometer，Date和price是线性相关。

赛题理解

典型回归问题
我们可以使用传统机器学习的算法进行回归预测，譬如决策树，SVM,线性回归，非线性回归等。还有现在流行的主要应用xgb、lgb、catboost。

评价指标

平均绝对误差

误差对MAE的影响与距离的成正比。

均方误差

误差对MSE的影响是幂级数增长。越远，影响越大。

R2(R-Square)

残差平方和：

总平均值：

最后公式：

$R^2$用于度量因变量的变异中可由自变量解释部分所占的比例，取值范围是 0~1，$R^2$越接近1,表明回归平方和占总平方和的比例越大,回归线与各观测点越接近，用x的变化来解释y值变化的部分就越多,回归的拟合程度就越好。所以R2R2也称为拟合优度（Goodness of Fit）的统计量。
$y_i$表示真实值,$y_i$表示预测值，$\overline{y_i}$表示样本均值。得分越高拟合效果越好。