参赛名称：一万年太久

第一赛季排名：147/4058

第二赛季排名：119/4058

成绩：0.08138495

简单记录自己了什么,以及学到了什么。首次参赛，大神请炮。

赛题链接：https://tianchi.aliyun.com/competition/information.htm?spm=5176.100067.5678.2.ciEKHX&raceId=231591

预测2000家商铺两周的客流量，商铺类型大致可分为三类美食、超市、其他，这些商铺分布在不同的城市。

• 大赛提供的数据是记录每小时的流量，由于业务需求，将流量转换成一天来计算更方便预测。

  • 由于电脑内存有限，这里的处理方法是将2000家商铺分开后，再分别聚合每天的客流量，最后会生成2000张小表。如此对于后续的商家分别建模也做了准备工作。

    stores = user_pay.groupby('商家id')
    for s_id in range(1,2001,1):
        store = stores.get_group(s_id)
        store.index = pd.to_datetime(store.index)
        flow = store['商家id'].groupby(store.index.date).count()
        flow.to_csv('../' + str(s_id) +'.csv')
    

  ​

• 时间特征

  • 历史七天的客流量（flowLag1~7）、其统计量（平均数、中位数、标准差）以及其多项式交叉特征。
  • 一个月前的当天流量值（flowLag30） # 这个特征由于十一长假并不是特别的理想
  • 星期（weekday）、几号（dayOfMonth）、月（month）和年（year）
  • 商店的歇业特征捕捉（closeEffect）
    • 由于商店的历史客流量数据中有很多缺失值，这里判断空值代表商店歇业在closeEffect特征中用 -1 表示，并且当天的流量值也为零，其余值使用自然数累加填入。
  • 节日特征捕捉（holidayEffect）
    • 和商店歇业特征一样，若为节假日用 -1 表示，否则使用自然数填入。

• 商铺特征

  • 商店id、商店类别、商店级别、商店评分、商店评论数、平均消费等

  • 是否处于大城市中

  • 有没有相邻店家（hasNeighbour）

    ​

• 基于规则 0.8642118
• 线性回归 0.0854122
• 随机森林 0.08673182
• xgboost 0.11569889
  • 在最后两天才开始调试，评分不理想，估计过拟合严重，特征选择错误

参考kaggle上面的方法，并且实测使用调和平均数相较于使用算术平均数，成绩能略微提升。

调和平均数 = Hn=n/(1/a1+1/a2+...+1/an)

于是集成了规则、线性回归和随机森林的调和平均数评分到达0.08138495。