jd_sales_forecast_2017
py文件是一个简单的baseline，ipynb文件均是比赛中的文件，包括特征提取和不同模型的训练等，pics文件夹是一些结果可视化等相关图片，下文是简单记录。
一、简单介绍
- 训练数据
训练数据包含2017-04-30日之前270天之内若干店铺的每日订单量、销售额、顾客数、评价数、广告费用等数据，下架时间在2017-04-30之后或者未下架的商品数据，以及这些店铺2016年6月-2017年1月每月末后90天内的销售额。
- 评测数据
参赛者需要对每个店铺（训练数据中涉及的全部店铺id）在2017-04-30之后90天内的总销售额进行预测。
- 评分标准
二、简要记录
-
feature_extract,最开始逐两月提取（sklearn.ipynb文件内），后逐月提取和逐三月提取，共三种方案。特征基本只做了最简单的提取，没有深入分析，其中品牌（3089种）和分类（310类）进行onehot处理，共计3413个featrues(3413-3089-310=14)。
-
visualization，所有店和单个店，一般存在“双11”和“618”两个高峰。
- 训练，主要分为使用scikit—learn和xgboost两种方案。scikit-learn尝试了regression中大部分模型，结果见下图；xgboost开始自己试着简单调了以下参数，后面主要参考Davut Polat的调参方案，见下图，当然Aarshay Jain的调参方案也非常值得参考。
-
结果，应该说训练尝试了较多的方法，也花费了很长的时间，但是过拟合比较严重，效果并不理想，这其中特征的处理应该是有较大部分原因（毕竟太懒了，时间也有限）。
-
反思，对于时间序列来说，取最后三个月直接作为baseline是一个不错的选择(baseline0.449.py)，事实证明也是如此（这也是最好的成绩）。另外当时也是ML刚入门，对各种算法的理解很不够，RNN就更加没有听过，也是有一些遗憾吧。