一、 赛题理解
Tip:此部分为零基础入门数据挖掘的 Task1 赛题理解 部分，为大家入门数据挖掘比赛提供一个基本的赛题入门讲解，欢迎后续大家多多交流。
赛题：零基础入门数据挖掘 - 二手车交易价格预测
地址：零基础入门数据挖掘 - 二手车交易价格预测_学习赛_天池大赛-阿里云天池的赛制
1.1 学习目标
-
理解赛题数据和目标，清楚评分体系。
-
完成相应报名，下载数据和结果提交打卡（可提交示例结果），熟悉比赛流程
1.2 了解赛题
-
赛题概况
-
数据概况
-
预测指标
-
分析赛题
1.2.1 赛题概况
赛题以预测二手车的交易价格为任务，数据集报名后可见并可下载，该数据来自某交易平台的二手车交易记录，总数据量超过40w，包含31列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取15万条作为训练集，5万条作为测试集A，5万条作为测试集B，同时会对name、model、brand和regionCode等信息进行脱敏。
通过这道赛题来引导大家走进 AI 数据竞赛的世界，主要针对于于竞赛新人进行自我练 习、自我提高。
1.2.2 数据概况
一般而言，对于数据在比赛界面都有对应的数据概况介绍（匿名特征除外），说明列的性质特征。了解列的性质会有助于我们对于数据的理解和后续分析。 Tip:匿名特征，就是未告知数据列所属的性质的特征列。
train.csv
-
SaleID - 销售样本ID
-
name - 汽车编码
-
regDate - 汽车注册时间
-
model - 车型编码
-
brand - 品牌
-
bodyType - 车身类型
-
fuelType - 燃油类型
-
gearbox - 变速箱
-
power - 汽车功率
-
kilometer - 汽车行驶公里
-
notRepairedDamage - 汽车有尚未修复的损坏
-
regionCode - 看车地区编码
-
seller - 销售方
-
offerType - 报价类型
-
creatDate - 广告发布时间
-
price - 汽车价格
-
v_0', 'v_1', 'v_2', 'v_3', 'v_4', 'v_5', 'v_6', 'v_7', 'v_8', 'v_9', 'v_10', 'v_11', 'v_12', 'v_13','v_14' 【匿名特征，包含v0-14在内15个匿名特征】
数字全都脱敏处理，都为label encoding形式，即数字形式
1.2.3 预测指标
本赛题的评价标准为MAE(Mean Absolute Error):
一般问题评价指标说明:
什么是评估指标：
评估指标即是我们对于一个模型效果的数值型量化。（有点类似与对于一个商品评价打分，而这是针对于模型效果和理想效果之间的一个打分）
一般来说分类和回归问题的评价指标有如下一些形式：
分类算法常见的评估指标如下：
-
对于二类分类器/分类算法，评价指标主要有accuracy， [Precision，Recall，F-score，Pr曲线]，ROC-AUC曲线。
-
对于多类分类器/分类算法，评价指标主要有accuracy， [宏平均和微平均，F-score]。
对于回归预测类常见的评估指标如下:
- 平均绝对误差（Mean Absolute Error，MAE），均方误差（Mean Squared Error，MSE），平均绝对百分误差（Mean Absolute Percentage Error，MAPE），均方根误差（Root Mean Squared Error）， R2（R-Square）
1.2.4. 分析赛题
-
此题为传统的数据挖掘问题，通过数据科学以及机器学习深度学习的办法来进行建模得到结果。
-
此题是一个典型的回归问题。
-
主要应用xgb、lgb、catboost，以及pandas、numpy、matplotlib、seabon、sklearn、keras等等数据挖掘常用库或者框架来进行数据挖掘任务。
-
通过EDA来挖掘数据的联系和自我熟悉数据。
1.3 代码示例
本部分为对于数据读取和指标评价的示例。