kaggle比赛--罗斯曼商店销售预测，xgboost回归

作者：zhaikun 风控建模屌丝一枚，现居于北京 Python爱好者社区--专栏作者
个人微信公众号：Python数据分析与评分卡建模
公众号：Python爱好者社区

一直做分类模型，很少做回归模型，今天看了kaggle大神的一个代码，然后用我自己理解的方法改进了一下，在这里分享一下思路和部分代码

这是1个商店连锁店老板，把相关数据放到kaggle上，并提供奖金，希望用准确的模型对未来进行统筹安排，同时这个连锁店也招收数据科学家。

好吧，这不是个体户，是商超集团，很先进的思想啊。

数据获取方式可以在kaggle上下载，具体网址：https://www.kaggle.com/c/rossmann-store-sales/data，也可以关注Python爱好者社区微信公众号，回复商店获取数据。

变量字典：

评价标准：

为了方便大家理解，我还是翻译成中文

预览一下

上面加载的是商店信息，1113个id，说明连锁店是1113个，9个特征，有缺失值。因为我这在MAC下用的notebook，一直不会弄成中文。

现在加载训练集，关于销量数据

选择营业信息，选择销量>0的样本，合并

老规矩，分为连续变量和分类变量，批量显示分类变量水平：

商店等级是有序变量，我们特征抽象转成1、2、3.

再显示连续变量密度分布图

这里做个转换，偏度0.75以上的连续变量用对数转换一下

然后再归一化和one-hot编码

xgboost建模，最后结果是均方根误差0.059，还算不错。

这个比赛觉得有点坑人的地方是：

测试集时间跨度很少，不包括训练集衍生出的季节_1、季节_2、洲假日_B、洲假日_C，最关键的是，居然没有重要变量 客户数量，觉得这更倾向于做时间序列模型