kaggle-Corporación Favorita Grocery Sales Forecasting

该项比赛1月15日就已经结赛了，但由于之后进入期末，备考花费了大量的时间，没来得及整理相关内容。现在终于有时间好好回顾比赛，并对这次比赛的过程进行记录。

---

Corporación Favorita Grocery Sales Forecasting

本次比赛是预测商品销量，给出的训练数据为<单位销量，日期，商店ID，商品ID，推销活动标签>，其中单位销量是待预测值，基本上属于回归问题。同时给出的额外数据表有：

• “商店信息表”—<商店ID，所在城市，所在州，类型，聚类簇>
• “商品表”—<商品ID，所属类别，所属子类别，易腐烂标签>
• “交易信息表”—<商店ID，日期，总交易笔数>
• “石油价格”—<日期、石油价格>
• “节假日信息”

值得注意的是，同一商品可能在不同的商店均有销售，而最后的测试数据为<日期，商店ID，商品ID，推销活动标签>，我们需要预测的是某商品在指定商店在某天的销量。训练数据给出了从2013年-2017年8月15日近一千余天的数据条目，每一天都包含各类商品在各个商店的数据条路，而很多商品只在某一些时间阶段出现过。测试数据需要预测的是2017年8月16日—31日销量情况。这就使得数据的组织十分重要。

和以前比赛一样，我还是在比赛过半左右的时间参与的比赛，这个时间参加，基本上forum已经有了解决该题的大方向，不至于跑偏。由于还要兼顾课业，从最开始慢慢实验测试是不太可能了，这也是kaggle比赛比较友好的地方，forum在比赛的各个时段都会有kaggler的集思广益，使得我们这类以学习为目的的人能用最小的成本学到最多的东西。

---

切入点

如上所述，如何组织数据至关重要。刚参赛时，我在做了简单的EDA后，发现数据并无特别的规律，原始训练数据如下（数据量巨大，只取了2017年的）：