【天池競賽系列】菜鳥-需求預測與分倉規劃初賽冠軍解決方案

初賽第一名，決賽第6名

沒能去答辯，就瞎扯一下

初賽程式碼：https://github.com/wepe/CaiNiao-DemandForecast-StoragePlaning

比賽資料：連結: https://pan.baidu.com/s/1i55YPpF 密碼: jxcp

預處理：刪除雙11，雙12的資料，然後前面的資料往後移動一天填補，將不同趨勢的商品聚類，對規律相同的簇單獨建模分析

特徵：因為資料量少，所以採用滑動視窗提取特徵
前2周的資料提取特徵，後兩週求和作為label，滑動10個視窗
特徵是求的最近k天商品的一些統計量，排名，佔比
做一些多項式交叉特徵
商品的補多補少成本多相似組合
trick:
商品成本相加作為樣本權重
線下訓練模型預測訓練集，成本高的商品視作噪聲從訓練集中去除
單獨分析發現這部分樣本變化較大，考慮使用比較穩定的規則處理這部分樣本


特徵選擇：xgb選擇排名topk的特徵，計算相似度，去除冗餘特徵


模型：使用LR + SVR +RF +GBRT+XGBOOST 40多個模型，按照商品成本做融合
補多成本大，則選擇min（models）。補少成本大選擇max(models)


規則：補多成本大，則選擇min（最近2周）。補少成本大選擇max(最近2周)