天池大数据竞赛平台上IJCAI-17口碑商家客流量预测比赛的解题思路和代码.zip

# IJCAI-17 口碑商家客流量预测解题代码 ## 问题描述 > 在这次比赛中，每只队伍需要预测测试集中所有商家在未来14天 > （2016.11.01-2016.11.14）内各自每天（00:00:00-23:59:59）的 > 客户流量。预测结果为非负整数。 天池平台提供2015-07-01到2016-10-31(除去2015-12-12)的商家数据、 用户支付行为数据以及用户浏览行为数据，要求参赛选手预测2000家商户在2016-11-01-2016-11-14的客户流量。 Loss函数的定义如下：  其中是第t天商家i的客户流量预测值，是第t天商家i的客户流量实际值。 ## 解题思路 ### 构造数据集 针对每个商户(sid)的每一天(stamp)可以提取一个样本，具体做法是把sid在stamp-1至stamp-14的销售量等数据作为特征，而在stamp至stamp+14的销售量作为对应的标签。 ### 特征及标签 > sid,stamp,day1,day2,...,day14,maxt1,desc1,maxt2,desc2,...,maxt14,desc14 特征的数据组织形式。sid是商家的id，stamp是日期yyyy-mm-dd，day1-day14是stamp前14天的销量(不包括stamp)，maxt1-maxt14是未来14天的最高温度(包括stamp)，desc1-desc14表示未来14天是否下雨(包括stamp)。 > sid,stamp,day1,day2,...,day14 标签的数据组织形式。sid和stamp同上，day1-day14是未来14天的销量，其中day1即是stamp当天的销量。 当验证完特征的sid以及stamp和标签的一一对应后，就会移除两者的sid和stamp域，组成最终的数据集。 ### 模型 #### 基于xgboost的混合模型 用WarpModel包装基本的回归模型(比如xgboost)使之可以输出14天的预测值，基本思想是在WarpModel里包含14个基本的模型的对象，每个对象负责预测某一天的销量，14个模型的训练和预测过程相互独立。 在WarpModel的基础上分别使用xgboost、GBDT和RandomForest作为它的基本模型，得到三个结果，赋予相应的权重获得最终结果。 #### 三层神经网络 特征、标签和xgboost方法的一样，不过只使用了前14天的销量。每一天的销售量用一个三层的子网络训练得到，14个子网络分别迭代训练若干次后，再用官方的loss函数训练整个网络。 ### 结果 基于xgboost的混合模型效果要明显好于神经网络的方法，提交结果后的loss值是**0.092552**，而神经网络线下测试的loss是**0.623244**，效果太差就没提交上去。 --- 团队：[@tecore](https://tianchi.aliyun.com/science/scientistDetail.htm?userId=1095279118908) [@巴尔干2016](https://tianchi.aliyun.com/science/scientistDetail.htm?spm=5176.100170.222.4.fxW0P2&userId=1095279120707)