Skip to content

Latest commit

 

History

History
62 lines (51 loc) · 2.69 KB

README.md

File metadata and controls

62 lines (51 loc) · 2.69 KB
Raw

CCF-农产品价格预测

赛题参见 - 赛题详情

赛题说明

  • 使用2016年6月以前的农产品价格数据预测7月的农产品价格

成绩

  • 复赛第2，我们就是xjboost队。。。

代码说明

  • gen.py
    • 生成特征
  • model.py
    • 各个单模型
  • model_stacking.py
    • stacking

代码就将就看吧。。 具体的数据集太大就没传上来

模型算法

  • 训练集

    • 选择了2016年6月1日往后30天+2016年5月25日往后一个月的全部数据作为训练集

  • 测试集

    • 线上测试集为2016年7月

  • 特征

    • 窗口统计特征（前1，2，3，4，7，14，21，30，60天）
      • 6月1日（5月25日）的前x天农产品价格的平均值
      • 6月1日（5月25日）的前x天农产品价格的最小值
      • 6月1日（5月25日）的前x天农产品价格的标准差
      • 考虑有部分数据缺失，对每个农产品，我们将数据先按照时间排序，然后加上了
        • 6月1日（5月25日）的前x个非缺失的价格的平均值
        • 6月1日（5月25日）的前x个非缺失的价格的最小值
        • 6月1日（5月25日）的前x个非缺失的价格的标准差
        • 6月1日（5月25日）的前x天有几天价格有缺失（缺失率）
    • 日期特征 （没怎么用）
      • 一个月的第x天
      • 一周的第x天
      • 一年的第x天
    • 农产品的特征
      • 6月1日（5月25日）距离该农产品第一次有价格记录过去了x天
      • 6月1日（5月25日）距离该农产品最后一次有价格记录过去了x天
      • 所有数据中该农产品最后一次出现的价格

  • 算法说明

    • 一些简单的规则

      • 如提交最后一次的价格线上评分就能达到 0.06088

    • 直接使用模型的训练效果仅为0.12左右还不如简单的规则

    • 考虑到评价标准是MPSE，我们首先对label进行 log transformation 即$y\prime = log(x+1)$，预测后再使用$y^{predict} = exp(y\prime) - 1$变换回来

      • 但是效果提升不大

    • 考虑大部分回归模型的目标函数都是MSE的，label较大的对于误差的影响显然更大一些；而本题的评价函数是MPSE，label较小的更容易带来误差

      • 于是我们对训练样本设置了权重，$weight_i = \frac{1.0}{y^_iy^*_i}$，线上效果明显提升(0.05)

    • 模型融合

      • 我们将LinearRegression、Xgboost、RandomForest的结果进行加权融合
        • 有一定的提升(0.047)

    • 简单的规则

      • 有部分农产品的价格非常稳定（波动非常小），我们就直接选取其最后一次非缺失的平均价格作为7月每一天的价格作为预测结果
        • 同样也有一些提升(0.045)