Kaggle Tabular Playground Series - Jan 2022 的baseline和日期特征处理
Kaggle 决定将他们每月的表格竞赛延续到 2022 年这对于我们来说是非常好的消息。并且也Kaggle 表示他们已经考虑大家的评论，所以我希望这意味着他们将不再使用庞大到使系统崩溃的数据集，这次1月的比赛数据集就不是很大。
在我看来，2022 年 1 月的竞赛问题是对涵盖几年时间的销售额的预测，这可以用机器学习构成一个时间序列。
我在下面的屏幕截图中包含了问题陈述的一部分，其中包含了和这项竞赛问题有关的代码
本篇文章我使用 HistGradientBoostingRegressor 进行测试。
首先要导入运行程序需要的库，numpy，Pandas，matplotlib 和 seaborn：-
然后我使用 Pandas 读取csv 并将它们转换为df
我使用 seaborn 来分析目标，[‘num_sold’]是我们需要预测销售额。当我分析它时，可以看到它是偏斜的，并且有一些异常值：-
然后我决定删除异常值，希望这样预测会有所改善。下面屏幕截图中的代码是我用来删除异常值的代码。虽然在这篇文章中没有记录，但我后来将乘数改为 2.25 而不是 1.5，并发现预测有小幅改进：-
完整文章
