原文：#!/forum/postdetail/59194c685d9f204ee315ed90

回复公众号“携程预测”获取本文数据分析python源码.

调查发现，在出行产品业务中，不同区域的产品需求量级不一样，不同时段需求量会有高低起伏，相同区域相同时段各产品的需求量因产品特性不同又有差异。

此次竞赛的目的正是为了深入了解产品需求量和产品特性、历史销量的关系，挖掘出影响需求量的关键因素，预测出行产品未来14个月每月的销量，从而指导产品的库存管理和定价策略，这将对收益管理提升有着重要作用。

团队介绍

我们团队三人分别来自湖南大学、云南大学和中国科学技术大学。我们在比赛前期主要采用不同的方式各自为战，以便形成差异化的模型用于后期融合。

接下来，我将从问题分析、特征工程、模型选择和模型融合四方面来分享我们比赛的方法和经验。

赛题分析

首先通过题意可以得出，本题是一个预测的问题，既可以当做时间序列问题来处理，也可以当做回归问题来处理。若使用时间序列模型，对于预测月销量这一目标，会发现预测周期14个月对于23个月的历史数据显得过长，因此时间序列模型无法充分提取总体的变化趋势以及周期内的规律，因此将此题看做回归问题是更为合适的做法。

特征工程

在进行特征工程之前，要进行数据预处理。预处理工作主要包括两项，第一是剔除缺失率过高的特征，因为缺失率过高的特征基本上不包含有用信息；第二对缺失值选择合适的方法进行填补。

数据预处理完成后，开始构建特征，当我们把经纬度用图形呈现出来的时候，发现地理位置出现成块的聚集现象，这些聚集区可能在真实的地理位置上是同一块区域划分。于是自然地想到采用聚类的方式来处理。

此外发现聚集的程度是由下至上越来越发散，这里面可能存在一些信息，为了将这一信息保留，在聚类时，将类别名从下往上分别标记为0-8。

对于三项日期特征（startdate、cooperatdate和upgradedate），主要使用了两项处理方式：（1）product_month减日期；（2）2017年1月减日期。

在产品信息表中，总共给出了5种产品评价指标，其中3种是评级特征，一种为评分特征，另一种为点评人数特征。由于3种评级特征的分布大体一致，直接通过求和获得总评级特征。而点评人数特征则是该比赛的强特征，能够强有力的反映销量，于是我们通过点评人数特征额外地挖掘出“单位时长点评人数”和“单位产品点评人数”特征，以此来反映该产品的受欢迎程度。

对于产品的价格信息，我们主要是计算了价格的相关统计量，包括每个产品的最高价格、最低价格、平均价格、价格方差以及平均价格在所有价格中的排名（排序特征往往能消除数值量级变化过大和异常值带来的影响）。

由于每个产品对应唯一的订单属性1，因此订单属性1能够很好体现产品所属的类型。而每个产品在其他订单属性上均出现多属性值，因而从属性值数量的比值中抽取信息。

节假日永远是人们出行高峰期，而每个月的节假日天数并不相同，直观地来看，节假日天数越多的月份销量往往越高。因此我们将各月的节假日天数作为额外的特征。

总体来说，随着人们生活水平的提高，旅游人数也在逐年提高。有两种增长的趋势：（1）年内趋势，即每年的销售逐月增长，销售量以年为周期进行变化；（2）总体趋势，即销售量逐年增长。针对第一种趋势，我们提取月份值为特征。对于第二种趋势，则将2014年1月至2017年1月转换为1-37的序数特征，但是在选择采用树模型的时候，由于训练集中没有大于23的值，因此23以上的数值等价于23。

模型选择

通过多模型的对比，我们最终采用了XGBoost和lightGBM。

为了使多模型融合得到有效提升，我们采取了多种不同的方式设计模型。第一种是针对共线性特征分别构造多个模型，或者对类别特征采用不同的编码方式。第二种是对较优的单模型特征采用两种不同的算法（XGBoost和lightGBM），第三种则是分别对XGBoost和lightGBM采用10折交叉选取90%的数据训练预测。最后在模型融合时候，我们采取的策略是根据各单模型的表现效果，对各结果进行加权平均，这种方法不仅操作简单，也能使融合效果得到明显提升。其中使用了一个技巧，就是设计一个相对较差的模型，在加权平均时，赋予其负权重。

模型融合

这是我们关于本次赛题的整体思路展示，希望能对解决类似问题大家有所帮助。

选手问答 Q1 代和平同学你好，首先恭喜你们获得了比赛的团体第三名。作为队长能简单就你们团队的情况做个简单介绍吗？

好的，我们团队主要由三名成员组成：队长代和平，队员胡涛和乔世吉。胡涛是来自云南大学，专业是应用统计学。乔世吉来自中国科学技术大学的核科学技术学院，而我则来自湖南大学，专业是管理科学与工程。我们三个是在比赛过程中认识的，因为在比赛初期大家成绩比较接近，然后我们就决定一起组队。

在比赛过程中，我们团队在前期主要采用不同的方式各自为战，以便形成差异化的模型用于后期融合这种方式来相

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！