摘要：
合集：AI案例-ML-零售业
赛题：乘用车细分市场销量预测
主办方：中国计算机学会 & 深瞳云涂
主页：https://www.datafountain.cn/competitions/352
AI问题：时间序列预测问题
数据集：60个乘用车车型在22个省份市场销量数据
数据集价值：乘用车细分市场销量预测
解决方案：结合了机器学习模型(LightGBM)和基于规则的预测方法
一、赛题描述
赛题背景
深瞳是一家大数据与行业智能应用解决方案运营商，为各行业客户提供数据分析与策略咨询服务，帮助行业客户进行数据资产化，为客户提供数据处理、建模分析服务。汽车行业是深瞳所重点服务的核心行业之一，长期服务于国内外知名汽车品牌客户。近几年来，国内汽车市场由增量市场逐步进入存量市场阶段，2018年整体市场销量首次同比下降。 在市场整体趋势逐步改变的环境下，消费者购车决策的过程也正在从线下向线上转移，我们希望能在销量数据自身趋势规律的基础上，找到消费者在互联网上的行为数据与销量之间的相关性，为汽车行业带来更准确有效的销量趋势预测。
赛题任务
本赛题需要参赛队伍根据给出的60款车型在22个细分市场（省份）的销量连续24个月（从2016年1月至2018年12月）的销量数据，建立销量预测模型；基于该模型预测同一款车型和相同细分市场在接下来一个季度连续4个月份的销量；除销量数据外，还提供同时期的用户互联网行为统计数据，包括：各细分市场每个车型名称的互联网搜索量数据；主流汽车垂直媒体用户活跃数据等。参赛队伍可同时使用这些非销量数据用于建模。除了模型的准确性外，参赛队伍需对本赛题任务有系统性的思考和设计，在决赛阶段，参赛队伍对于所提交的模型的适应性、可扩展性、代码的工程性等方面也会影响参赛队伍的最终名次。
二、数据集内容
文件信息
- 目录 pre_data：两个初赛数据文件
- 目录 data：三个复赛数据文件
历史销量数据
历史销量数据包含60个车型在22个省份，从2016年1月至2017年12月的销量。参赛队伍需要预测接下来4个月（2018年1月至2018年4月），这60个车型在22个省份的销量；参赛参赛队伍需自行划分训练集数据进行建模。
训练数据：train_sales_data.csv
| 字段名称 Field name | 字段类型 Field type | 字段说明 Field description |
|---|---|---|
| province | String | 省份 |
| adcode | int | 省份编码 |
| model | String | 车型编码 |
| bodyType | String | 车身类型 |
| regYear | int | 年 |
| regMonth | int | 月 |
| salesVolume | int | 销量 |
数据样例：
| province | adcode | model | bodyType | regYear | regMonth | salesVolume |
|---|---|---|---|---|---|---|
| 上海 | 310000 | 3c974920a76ac9c1 | SUV | 2016 | 1 | 292 |
| 云南 | 530000 | 3c974920a76ac9c1 | SUV | 2016 | 1 | 466 |
| 内蒙古 | 150000 | 3c974920a76ac9c1 | SUV | 2016 | 1 | 257 |
| 北京 | 110000 | 3c974920a76ac9c1 | SUV | 2016 | 1 | 408 |
| 四川 | 510000 | 3c974920a76ac9c1 | SUV | 2016 | 1 | 610 |
| 安徽 | 340000 | 3c974920a76ac9c1 | SUV | 2016 | 1 | 206 |
| 山东 | 370000 | 3c974920a76ac9c1 | SUV | 2016 | 1 | 503 |
| 山西 | 140000 | 3c974920a76ac9c1 | SUV | 2016 | 1 | 236 |
车型搜索数据
训练数据：train_search_data.csv
| 字段名称 | 字段类型 | 字段说明 |
|---|---|---|
| province | String | 省份 |
| adcode | int | 省份编码 |
| model | String | 车型编码 |
| regYear | int | 年 |
| regMonth | int | 月 |
| popularity | int | 搜索量 |
数据样例：
| province | adcode | model | regYear | regMonth | popularity |
|---|---|---|---|---|---|
| 河南 | 410000 | 17bc272c93f19d56 | 2016 | 1 | 19036 |
| 河南 | 410000 | 17bc272c93f19d56 | 2016 | 2 | 17856 |
| 河南 | 410000 | 17bc272c93f19d56 | 2016 | 3 | 12517 |
| 河南 | 410000 | 17bc272c93f19d56 | 2016 | 4 | 9700 |
| 河南 | 410000 | 17bc272c93f19d56 | 2016 | 5 | 12780 |
| 河南 | 410000 | 17bc272c93f19d56 | 2016 | 6 | 11803 |
销量预测
2018年1月至4月的各车型各省份销量预测文件：evaluation_public.csv
| 字段名称 | 字段类型 | 字段说明 |
|---|---|---|
| id | int | 数据的唯一标识，不可更改 |
| province | String | 省份 |
| adcode | int | 省份编码改 |
| model | String | 车型编码 |
| regYear | int | 年 |
| regMonth | int | 月 |
| forecastVolum | int | 预测销量 |
数据样例：
| id | province | adcode | model | regYear | regMonth | forecastVolum |
|---|---|---|---|---|---|---|
| 1 | 上海 | 310000 | 3c974920a76ac9c1 | 2018 | 1 | |
| 2 | 云南 | 530000 | 3c974920a76ac9c1 | 2018 | 1 | |
| 3 | 内蒙古 | 150000 | 3c974920a76ac9c1 | 2018 | 1 | |
| 4 | 北京 | 110000 | 3c974920a76ac9c1 | 2018 | 1 | |
| 5 | 四川 | 510000 | 3c974920a76ac9c1 | 2018 | 1 | |
| 6 | 安徽 | 340000 | 3c974920a76ac9c1 | 2018 | 1 | |
| 7 | 山东 | 370000 | 3c974920a76ac9c1 | 2018 | 1 | |
| 8 | 山西 | 140000 | 3c974920a76ac9c1 | 2018 | 1 |
三、解决方案样例
解决方案
一个汽车销量预测系统，结合了机器学习模型(LightGBM)和基于规则的预测方法，最终将两种方法的结果进行融合输出预测结果。
安装开发库
参见《安装传统机器学习开发包》。
导入开发库
import time
import math
import warnings
import numpy as np
import pandas as pd
import lightgbm as lgb
工作流程如下：
1、数据读取与预处理
- 读取初赛和复赛的销售数据、搜索数据以及最终评估数据
- 标记出新车型(
new_model字段)
pre_train_sale = pd.read_csv(r'.\pre_data\train_sales_data.csv')
input_data = pd.read_csv(r'.\data\train_sales_data.csv')
final_data = pd.read_csv(r'.\data\evaluation_public.csv')
search_data = pd.read_csv(r'.\data\train_search_data.csv')
#将复赛新车型标记出来
pre_model = list(set(list(pre_train_sale['model'])))
input_data['new_model'] = list(map(lambda x: 1 if pre_model.count(x) == 0 else 0,input_data['model']))
final_data['new_model'] = list(map(lambda x: 1 if pre_model.count(x) == 0 else 0,final_data['model']))
prepare()函数对数据进行预处理：
- 合并年份和月份创建日期字段
- 将分类特征(省份、车型、车身类型)转换为数值ID
- 创建时间ID(
time_id)作为连续时间索引 - 删除不必要的列
def prepare(data):
#对数据进行预处理，将各个属性转为数值特征
data['date'] = list(map(lambda x,y:str(x)+"."+str(y),data['regYear'],data['regMonth']))
data['date'] = pd.to_datetime(data['date'])
if 'forecastVolum' in list(data.columns):
data = data.drop(['forecastVolum'],axis=1)
if 'province' in list(data.columns):
pro_label = dict(zip(sorted(list(set(data['province']))), range(0, len(set(data['province'])))))
model_label = dict(zip(sorted(list(set(data['model']))), range(0, len(set(data['model'])))))
if 'bodyType' in list(data.columns):
body_label = dict(zip(sorted(list(set(data['bodyType']))), range(0, len(set(data['bodyType'])))))
data['body_id'] = data['bodyType'].map(body_label)
data=data.drop(['bodyType'],axis=1)
if 'province' in list(data.columns):
data['pro_id'] = data['province'].map(pro_label)
data['model_id'] = data['model'].map(model_label)
data=data.drop(['regYear','regMonth','model'],axis=1)
if 'province' in list(data.columns):
data=data.drop(['adcode','province'],axis=1)
data['month_id'] = data['date'].apply(lambda x : x.month)
data['sales_year'] = data['date'].apply(lambda x : x.year)
data['time_id'] = list(map(lambda x,y:(x-2016)*12+y,data['sales_year'],data['month_id']))
data=data.drop(['date'],axis=1).rename(columns={'salesVolume':'label'})
return data
2、特征工程
get_stat_feature()函数生成大量统计特征：
def get_stat_feature(df_,month):
data = df_.copy()
stat_feat = []
start = int((month-24)/3)*2
start += int((month-24)/4)
start = start-1 if start >=1 else start
...
特征总结：
| 特征类型 | 示例特征 | 数量 | 作用 |
|---|---|---|---|
| 原始历史特征 | last_1_sale, last_1_popularity | 22 | 提供基础历史数据 |
| 统计特征 | 1_6_sum, 1_6_max | 8 | 反映销量整体水平 |
| 趋势特征 | 1_2_diff, jidu_1_2_diff | 7 | 捕捉变化方向和速度 |
| 季节性特征 | is_chunjie, is_yanhai | 4 | 处理周期性影响 |
| 环比特征 | huanbi_1_2, huanbi_2_3 | 9 | 短期变化比率 |
| 占比特征 | sale_ratio_pro_body | 12 | 相对市场份额 |
| 同比特征 | increase16_4 | 7 | 年度周期性变化 |
2.1、历史销量特征
过去1-16个月的销量(last_1_sale到last_16_sale)。通过调整time_id获取历史数据。只保留前6个月销量作为基础特征(其他用于特殊计算)。
for last in range(1,17):
tmp=data.copy()
tmp['time_id'] = list(map(lambda x:x+last+start if x+last+start<=28 else -1,tmp['time_id']))
tmp = tmp[~tmp['time_id'].isin([-1])][['label','time_id','pro_id','model_id','body_id']]
tmp = tmp.rename(columns={'label':'last_{0}_sale'.format(last)})
data = pd.merge(data,tmp,how='left',on=['time_id','pro_id','model_id','body_id'])
if last <= 6:
stat_feat.append('last_{0}_sale'.format(last))
2.2、历史搜索热度特征
过去1-16个月的搜索热度（last_1_popularity到last_16_popularity）。保留前6个月和11-13个月的搜索热度作为特征。搜索热度可能反映市场关注度，与销量有相关性。
for last in range(1,17):
tmp=data.copy()
tmp['time_id']=list(map(lambda x:x+last+start if x+last+start<=28 else -1,tmp['time_id']))
tmp=tmp[~tmp['time_id'].isin([-1])][['popularity','time_id','pro_id','model_id','body_id']]
tmp=tmp.rename(columns={'popularity':'last_{0}_popularity'.format(last)})
data=pd.merge(data,tmp,how='left',on=['time_id','pro_id','model_id','body_id'])
if last<=6 or (last>=11 and last<=13):
stat_feat.append('last_{0}_popularity'.format(last))
2.3、统计量特征
计算过去6个月销量的各种统计量，包含：总和、均值、最大值、最小值。对应的变量为：1_6_sum、1_6_mea、1_6_max、1_6_min、jidu_1_3_sum、jidu_4_6_sum。季度(1-3月和4-6月)销量总和。意义为捕捉销量的整体水平和波动情况。
data['1_6_sum'] = data.loc[:,'last_1_sale':'last_6_sale'].sum(1)
data['1_6_mea'] = data.loc[:,'last_1_sale':'last_6_sale'].mean(1)
data['1_6_max'] = data.loc[:,'last_1_sale':'last_6_sale'].max(1)
data['1_6_min'] = data.loc[:,'last_1_sale':'last_6_sale'].min(1)
data['jidu_1_3_sum'] = data.loc[:,'last_1_sale':'last_3_sale'].sum(1)
data['jidu_4_6_sum'] = data.loc[:,'last_4_sale':'last_6_sale'].sum(1)
2.5、趋势特征
不同时间段销量的差值。对应的变量为：1_2_diff、1_3_diff、2_3_diff、jidu_1_2_diff。
data['1_2_diff'] = data['last_1_sale'] - data['last_2_sale']
data['1_3_diff'] = data['last_1_sale'] - data['last_3_sale']
data['2_3_diff'] = data['last_2_sale'] - data['last_3_sale']
data['jidu_1_2_diff'] = data['jidu_1_3_sum'] - data['jidu_4_6_sum']
2.4、季节性特征
春节相关特征、沿海城市标记
- 环比特征：相邻月份销量比值
- 占比特征：省份-bodyType销量占比、省份总销量占比等
- 同比特征：与一年前同期销量的比较
yanhaicity={1,2,5,7,9,13,16,17}
data['is_yanhai'] = list(map(lambda x:1 if x in yanhaicity else 0,data['pro_id']))
data['is_chunjie'] = list(map(lambda x:1 if x==2 or x==13 or x==26 else 0,data['time_id']))
2.6、聚合特征
计算不同维度(省份、bodyType)的销量占比。反映车型在特定区域或类型的市场份额。
# 省份-bodyType维度聚合
pivot = pd.pivot_table(data,index=['time_id','pro_id','body_id'],values=last_time,aggfunc=np.sum)
data['last_{0}_sale_ratio_pro_body_last_{0}_sale_sum'.format(i,i)]=list(map(lambda x,y:x/y if y!=0 else 0,data[last_time],data['pro_body_last_{0}_sale_sum'.format(i)]))
# 省份维度聚合
pivot = pd.pivot_table(data,index=['time_id','pro_id'],values=last_time,aggfunc=np.sum)
data['last_{0}_sale_ratio_pro_last_{0}_sale_sum'.format(i,i)]=list(map(lambda x,y:x/y if y!=0 else 0,data[last_time],data['pro__last_{0}_sale_sum'.format(i)]))
2.7、同比特征
计算与一年前同期的变化率。捕捉年度周期性变化模式。
data["increase16_4"]=(data["last_16_sale"] - data["last_4_sale"]) / data["last_16_sale"]
data["increase_mean_province_16_4"] = (data["mean_province_16"] - data["mean_province_4"]) / data["mean_province_16"]
3、LightGBM模型训练
- 使用
LGBMRegressor进行回归预测 - 特征包括数值特征和类别特征
- 对销量进行对数变换处理(
math.log(x+1,lg)) - 分月预测(25-28月，对应2018年1-4月)
- 分别对初赛60车型和全部82车型训练模型
函数：get_model_type
def get_model_type():
model = lgb.LGBMRegressor(
num_leaves=2**5-1, reg_alpha=0.25, reg_lambda=0.25, objective='mse',
max_depth=-1, learning_rate=0.05, min_child_samples=5, random_state=2019,
n_estimators=600, subsample=0.9, colsample_bytree=0.7,
)
return model
函数：get_train_model
def get_train_model(df_, m, m_type,features, num_feat, cate_feat):
df = df_.copy()
# 数据集划分
all_idx = df['time_id'].between(7 , m-1)
test_idx = df['time_id'].between(m , m )
#初始化model
model = get_model_type()
# model.fit(df[all_idx][features], df[all_idx]['label'], categorical_feature=cate_feat,verbose=100)
model.fit(df[all_idx][features], df[all_idx]['label'], categorical_feature=cate_feat)
df['forecastVolum'] = model.predict(df[features])
sub = df[test_idx][['id']]
sub['forecastVolum'] = df[test_idx]['forecastVolum'].apply(lambda x: 2.0 if x < 0 else x)
return sub
函数：LGB
def LGB(input_data,is_get_82_model):
#采用lightgbm销量进行预测，这里采取分月预测的形式，分别预测1 2 3 4月
#同时，分别对初赛和复赛的车型进行分别预测，在预测初赛的车型时只使用初赛的数据，在预测复赛新加的车型时使用全部数据
if is_get_82_model == 0:
input_data = input_data[input_data['new_model']==0]
input_data['label'] = list(map(lambda x : x if x==np.NAN else math.log(x+1,lg),input_data['label']))
input_data['salesVolume'] = list(map(lambda x : x if x==np.NAN else math.log(x+1,lg),input_data['salesVolume']))
input_data['jidu_id'] = ((input_data['month_id']-1)/3+1).map(int)
'******************************分月预测************************************************************'
for month in [25,26,27,28]:
m_type = 'lgb'
data_df, stat_feat = get_stat_feature(input_data,month)
num_feat = ['sales_year']+stat_feat
cate_feat = ['pro_id','body_id','model_id','month_id','jidu_id']
for i in cate_feat:
data_df[i] = data_df[i].astype('category')
features = num_feat + cate_feat
sub = get_train_model(data_df, month, m_type, features, num_feat, cate_feat)
input_data.loc[(input_data.time_id==month), 'salesVolume'] = sub['forecastVolum'].values
input_data.loc[(input_data.time_id==month), 'label' ] = sub['forecastVolum'].values
input_data['salesVolume'] = list(map(lambda x : x if x==np.NAN else (lg**(x))-1, input_data['salesVolume']))
input_data['salesVolume'] = list(map(lambda x,y: x*0.95 if y == 26 else x,input_data['salesVolume'],input_data['time_id']))
input_data['salesVolume'] = list(map(lambda x,y: x*0.98 if y == 27 else x,input_data['salesVolume'],input_data['time_id']))
input_data['salesVolume'] = list(map(lambda x,y: x*0.90 if y == 28 else x,input_data['salesVolume'],input_data['time_id']))
sub = input_data.loc[(input_data.time_id >= 25),['id','salesVolume']]
sub.columns = ['id','forecastVolum']
sub['id'] = sub['id'].map(int)
sub['forecastVolum'] = sub['forecastVolum'].map(round)
return sub
函数：get_lgb_ans
为LightGBM模型训练的入口函数。
def get_lgb_ans(input_data):
#对销量进行预测，并返回最终lgb预测的结果
print('use 60 models to train lgb model...')
sub_60=LGB(input_data,0)
print('use 82 models to train lgb model...')
sub_82=LGB(input_data,1)
input_data = pd.merge(input_data,sub_60,on='id',how='left')
input_data = pd.merge(input_data,sub_82,on='id',how='left')
input_data = input_data.loc[input_data.time_id>=25,['id','forecastVolum_x','forecastVolum_y']]
input_data = input_data.fillna(-1)
input_data['forecastVolum'] = list(map(lambda x,y:y if x==-1 else x,input_data['forecastVolum_x'],input_data['forecastVolum_y']))
input_data = input_data[['id','forecastVolum']]
input_data['id'] = input_data['id'].map(int)
input_data['forecastVolum'] = input_data['forecastVolum'].map(int)
return input_data
4、基于规则的预测
趋势因子计算：
- 计算不同时间段(1-3月、4-6月等)的年度同比变化率
- 对极端趋势值进行平滑处理
- 加权计算最终趋势因子
三次指数平滑：
- 使用
exp_smooth()函数实现Holt-Winters三次指数平滑 - 基于历史24个月数据预测未来4个月销量
Holt-Winters 基于指数平滑技术，包含三个组件：
- 水平（Level）：销量的基准值。
- 趋势（Trend）：销量的长期增长或下降趋势。
- 季节性（Seasonality）：周期性波动（如月度、季度规律）。
根据季节性类型，模型分为两种：
- 加法模型：季节性波动的幅度不随时间变化（适用于稳定季节性）。
- 乘法模型：季节性波动的幅度随销量水平变化（适用于增长/衰减的季节性）。
加权预测：
- 结合去年同期、前年同期和近期销量进行加权预测
- 应用趋势因子调整预测结果
5、结果融合阶段
fusion()函数将规则模型和LightGBM模型的结果进行几何加权融合：
- 对初赛60车型和复赛新增22车型采用不同的权重
- 对不同预测月份(1-4月)采用不同的权重
- 最终结果取整后输出
几何加权函数：fusion
def fusion(sub,sub_rule,sub_lgb):
sub['rule'] = sub_rule['forecastVolum'].values
sub['lgb'] = sub_lgb['forecastVolum'].values
'60个车型1-4月融合'
sub['forecastVolum'] = -1
sub['forecastVolum'] = list(map(lambda x,y,z,m,f:(math.pow(x,0.40) * math.pow(y,0.60)) if z==0 and m==25 else f,sub['rule'],sub['lgb'],sub['new_model'],sub['time_id'],sub['forecastVolum']))
sub['forecastVolum'] = list(map(lambda x,y,z,m,f:(math.pow(x,0.40) * math.pow(y,0.60)) if z==0 and m==26 else f,sub['rule'],sub['lgb'],sub['new_model'],sub['time_id'],sub['forecastVolum']))
sub['forecastVolum'] = list(map(lambda x,y,z,m,f:(math.pow(x,0.50) * math.pow(y,0.50)) if z==0 and m==27 else f,sub['rule'],sub['lgb'],sub['new_model'],sub['time_id'],sub['forecastVolum']))
sub['forecastVolum'] = list(map(lambda x,y,z,m,f:(math.pow(x,0.40) * math.pow(y,0.60)) if z==0 and m==28 else f,sub['rule'],sub['lgb'],sub['new_model'],sub['time_id'],sub['forecastVolum']))
'22个车型1-4月融合'
sub['forecastVolum'] = list(map(lambda x,y,z,m,f:(math.pow(x,0.35) * math.pow(y,0.65)) if z==1 and m<=26 else f,sub['rule'],sub['lgb'],sub['new_model'],sub['time_id'],sub['forecastVolum']))
sub['forecastVolum'] = list(map(lambda x,y,z,m,f:(math.pow(x,0.40) * math.pow(y,0.60)) if z==1 and m==27 else f,sub['rule'],sub['lgb'],sub['new_model'],sub['time_id'],sub['forecastVolum']))
sub['forecastVolum'] = list(map(lambda x,y,z,m,f:(math.pow(x,0.40) * math.pow(y,0.60)) if z==1 and m==28 else f,sub['rule'],sub['lgb'],sub['new_model'],sub['time_id'],sub['forecastVolum']))
sub = sub[['id','forecastVolum']]
sub['id'] = sub['id'].map(int)
sub['forecastVolum'] = sub['forecastVolum'].map(int)
return sub
6、执行流程
- 读取并预处理所有输入数据
- 训练LightGBM模型并预测
- 训练规则模型并预测
- 融合两种方法的预测结果
- 保存最终预测结果到CSV文件
- 计算并输出总执行时间
函数：main
调用 get_lgb_ans() 和 rule()。
if __name__=="__main__":
# start = time.clock()
# 记录开始时间
start = time.perf_counter()
print('train lgb model...')
sub_lgb = get_lgb_ans(input_data)
print('train rule model...')
sub_rule = rule()
print('blend lgb and rule...')
sub = fusion(final_data, sub_rule, sub_lgb)
print('save final result...')
sub.to_csv(r'.\sub\sub.csv',index=False)
print('all procedures are over...')
# 记录结束时间
end = time.perf_counter()
# 计算并打印执行时间
elapsed_time = end - start
print(f"程序执行时间: {elapsed_time} 秒")
运行
python demo.py
train lgb model...
use 60 models to train lgb model...
[LightGBM] [Info] Auto-choosing col-wise multi-threading, the overhead of testing was 0.012737 seconds.
You can set `force_col_wise=true` to remove the overhead.
[LightGBM] [Info] Total Bins 21886
[LightGBM] [Info] Number of data points in the train set: 23760, number of used features: 99
[LightGBM] [Info] Start training from score 8.503720
[LightGBM] [Info] Auto-choosing col-wise multi-threading, the overhead of testing was 0.013920 seconds.
You can set `force_col_wise=true` to remove the overhead.
[LightGBM] [Info] Total Bins 21885
[LightGBM] [Info] Number of data points in the train set: 25080, number of used features: 99
[LightGBM] [Info] Start training from score 8.502387
[LightGBM] [Info] Auto-choosing col-wise multi-threading, the overhead of testing was 0.017268 seconds.
You can set `force_col_wise=true` to remove the overhead.
[LightGBM] [Info] Total Bins 21885
[LightGBM] [Info] Number of data points in the train set: 26400, number of used features: 99
[LightGBM] [Info] Start training from score 8.479091
[LightGBM] [Info] Auto-choosing col-wise multi-threading, the overhead of testing was 0.012928 seconds.
You can set `force_col_wise=true` to remove the overhead.
[LightGBM] [Info] Total Bins 21885
[LightGBM] [Info] Number of data points in the train set: 27720, number of used features: 99
[LightGBM] [Info] Start training from score 8.457191
use 82 models to train lgb model...
[LightGBM] [Info] Auto-choosing col-wise multi-threading, the overhead of testing was 0.016119 seconds.
You can set `force_col_wise=true` to remove the overhead.
[LightGBM] [Info] Total Bins 21930
[LightGBM] [Info] Number of data points in the train set: 32472, number of used features: 99
[LightGBM] [Info] Start training from score 8.248549
[LightGBM] [Info] Auto-choosing col-wise multi-threading, the overhead of testing was 0.018482 seconds.
You can set `force_col_wise=true` to remove the overhead.
[LightGBM] [Info] Total Bins 21931
[LightGBM] [Info] Number of data points in the train set: 34276, number of used features: 99
[LightGBM] [Info] Start training from score 8.240836
[LightGBM] [Info] Auto-choosing col-wise multi-threading, the overhead of testing was 0.017528 seconds.
You can set `force_col_wise=true` to remove the overhead.
[LightGBM] [Info] Total Bins 21931
[LightGBM] [Info] Number of data points in the train set: 36080, number of used features: 99
[LightGBM] [Info] Start training from score 8.212591
[LightGBM] [Info] Auto-choosing col-wise multi-threading, the overhead of testing was 0.018110 seconds.
You can set `force_col_wise=true` to remove the overhead.
[LightGBM] [Info] Total Bins 21931
[LightGBM] [Info] Number of data points in the train set: 37884, number of used features: 99
[LightGBM] [Info] Start training from score 8.187218
train rule model...
blend lgb and rule...
save final result...
all procedures are over...
程序执行时间: 79.44504269992467 秒
输出文件 sub.csv 数据样例如下：
其中id为销量预测表格evaluation_public.csv中的编号。
id forecastVolum
1 258
2 309
3 162
4 246
5 368
6 181
7 442
8 190
...
技术亮点
- 特征工程丰富：构建了大量时间序列相关特征，包括历史统计量、趋势、季节性等
- 模型融合：结合了机器学习方法和基于规则的预测，发挥各自优势
- 分而治之：对不同车型(初赛/复赛)和不同月份采用不同的处理策略
- 数据平滑：使用对数变换和指数平滑处理数据，减少极端值影响
- 时间效率：使用LightGBM这种高效梯度提升框架，适合大规模数据
这个系统通过精心设计的特征工程和巧妙的模型融合，实现了较为准确的销量预测，是一个典型的时间序列预测解决方案。