筆者將分享一次kaggle數據競賽的實例，包括了數據競賽的基本套路流程：賽題業務背景分析，數據探索（EDA），特征工程，單模預測（特征重要性分析）以及stacking模型融合。

---

本次賽題的鏈接：

Predict Future Sales | Kaggle?www.kaggle.com

賽題任務是對未來的銷量進行預測，屬于時間序列挖掘的一類問題，數據由俄羅斯最大的軟件公司：1C Company提供。

文件說明

數據集下載：

Predict Future Sales | Kaggle?www.kaggle.com

sales_train.csv為訓練集，包括字段：date、date_block_num、shop_id、item_id、item_price、item_cnt_day。items.csv、shops.csv、item_categories.csv均為對數據的補充信息，可以構造更加多維的特征，附加了item_name、item_id、item_category_id、item_category_name、item_category_id、shop_name、shop_id等字段，測試集僅包含ID、shop_id、item_id三個字段。各字段的解釋如下：

摸清楚各個字段和原始數據的意義是進行數據挖掘的第一步，方便于結合個人的業務理解去處理數據和特征工程的構造。下一篇介紹如何探索原始數據和EDA可視化分析。

作者CSDN博客：

https://blog.csdn.net/wlx19970505?blog.csdn.net

總結

以上是生活随笔為你收集整理的根据历史数据预测未来数据_未来销量预测——Kaggle基础方案（一）：赛题背景和数据字段分析...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。