【數(shù)據(jù)競(jìng)賽】CCF乘用車細(xì)分市場(chǎng)銷量預(yù)測(cè)競(jìng)賽總結(jié)

• 題目：乘用車細(xì)分市場(chǎng)銷量預(yù)測(cè)
• 類型：時(shí)序回歸

https://datafountain.cn/competitions/352/

賽題背景

近幾年來，國內(nèi)汽車市場(chǎng)由增量市場(chǎng)逐步進(jìn)入存量市場(chǎng)階段，2018年整體市場(chǎng)銷量首次同比下降。在市場(chǎng)整體趨勢(shì)逐步改變的環(huán)境下，消費(fèi)者購車決策的過程也正在從線下向線上轉(zhuǎn)移，我們希望能在銷量數(shù)據(jù)自身趨勢(shì)規(guī)律的基礎(chǔ)上，找到消費(fèi)者在互聯(lián)網(wǎng)上的行為數(shù)據(jù)與銷量之間的相關(guān)性，為汽車行業(yè)帶來更準(zhǔn)確有效的銷量趨勢(shì)預(yù)測(cè)。

賽題任務(wù)

本賽題需要參賽隊(duì)伍根據(jù)給出的60款車型在22個(gè)細(xì)分市場(chǎng)（省份）的銷量連續(xù)24個(gè)月（從2016年1月至2018年12月）的銷量數(shù)據(jù)，建立銷量預(yù)測(cè)模型；基于該模型預(yù)測(cè)同一款車型和相同細(xì)分市場(chǎng)在接下來一個(gè)季度連續(xù)4個(gè)月份的銷量；

除銷量數(shù)據(jù)外，還提供同時(shí)期的用戶互聯(lián)網(wǎng)行為統(tǒng)計(jì)數(shù)據(jù)，包括：各細(xì)分市場(chǎng)每個(gè)車型名稱的互聯(lián)網(wǎng)搜索量數(shù)據(jù)；主流汽車垂直媒體用戶活躍數(shù)據(jù)等。參賽隊(duì)伍可同時(shí)使用這些非銷量數(shù)據(jù)用于建模。

賽題數(shù)據(jù)

歷史銷量數(shù)據(jù)包含60個(gè)車型在22個(gè)省份，從2016年1月至2017年12月的銷量。參賽隊(duì)伍需要預(yù)測(cè)接下來4個(gè)月（2018年1月至2018年4月），這60個(gè)車型在22個(gè)省份的銷量；參賽參賽隊(duì)伍需自行劃分訓(xùn)練集數(shù)據(jù)進(jìn)行建模。

評(píng)分標(biāo)準(zhǔn)

采用NRMSE（歸一化均方根誤差）的均值作為評(píng)估指標(biāo)。首先單獨(dú)計(jì)算每個(gè)車型在每個(gè)細(xì)分市場(chǎng)（省份）的NRMSE，再計(jì)算所有NRMSE的均值。

寶可夢(mèng)訓(xùn)練團(tuán)隊(duì)

本方案先對(duì)數(shù)據(jù)進(jìn)行了探索性分析，去除掉與銷售量變化趨勢(shì)關(guān)系不大的"搜索量"、"對(duì)車型相關(guān)新聞文章的評(píng)論數(shù)量"、"對(duì)車型的評(píng)價(jià)數(shù)量"等用處不大的特征。

在其中的一個(gè)模型，對(duì)銷售量進(jìn)行l(wèi)og1p變換，這樣可以使銷量數(shù)據(jù)在轉(zhuǎn)換后基本服從一個(gè)正態(tài)分布，能夠提升一定的效果;考慮到春節(jié)、農(nóng)歷月份的影響，本方案做了相關(guān)標(biāo)示。

在做特征工程方面，構(gòu)造了滑窗。平移，趨勢(shì)，統(tǒng)計(jì)等方面的特征。在總體策略上，因?yàn)橐A(yù)測(cè)連續(xù)四個(gè)月的銷量，我本方案的策略是一個(gè)月一個(gè)月的預(yù)測(cè)，首先預(yù)測(cè)1月份的結(jié)果。然后將1月份的預(yù)測(cè)結(jié)果合并到訓(xùn)練集，再預(yù)測(cè)2 月份結(jié)果，依次類準(zhǔn)。

在模型融合方面，我一共使用了3個(gè)模型，每個(gè)模型的特征組合不同，進(jìn)行融合后有一定提升效果。

數(shù)據(jù)分析

不同車型、不同省份在不同月份的點(diǎn)，銷量差距還是很大的，但也不排除是臟數(shù)的可能。

銷量與車型搜索量、相關(guān)新聞回復(fù)量、評(píng)價(jià)數(shù)量分析的變化趨勢(shì)并沒有太大的規(guī)律性，所以我在訓(xùn)練時(shí)，沒有要這些特征。

• 銷量數(shù)據(jù)分析
• 銷量銷量趨勢(shì)分析
• 銷量與車型的關(guān)系

特征工程

模型1

• 是否春節(jié)特征
• 車型（model）、車身類型（bodyIype）、省份分別與年份進(jìn)行分組提作，求得銷量均值
• 距離2015年12月的月數(shù)間隔特征
• 車型和省份的組合特征
• 車型、省份和間隔月份 mt 的組合特征
• 設(shè)置不同月份數(shù)據(jù)的權(quán)重值特征
• 同車型同省份上一個(gè)月的銷量

模型2

• 是否春節(jié)特征。
• 農(nóng)歷月份
• 2017年同車型同省份銷量之和同比 2016年的倍數(shù)
• 距離 2015年12月的月數(shù)間隔特征mt
• 車型和省份的組合特征
• 車型、省份和間隔月份 mt 的組合特征
• 同車型同省份前面第1到第 13個(gè)月的銷量
• 同車型同省份前面第1個(gè)月與第 13個(gè)月的比值
• 同車型同省份前面第1個(gè)月與第13個(gè)月的差值再驗(yàn)以第13個(gè)月的值
• 同車型同省份前面第1個(gè)月與第2個(gè)月的比值和差值。
• 同車型同省份前面第 2個(gè)月與第3個(gè)月的比值和差事
• 滑窗特征。分別計(jì)算同車型同省份前面3個(gè)月和6 個(gè)月的均值、標(biāo)準(zhǔn)差
• 滑窗特征。分別計(jì)算同 bodyType 同省份前面3個(gè)月和6個(gè)月的均值、標(biāo)準(zhǔn)差
• 滑窗特征。分別計(jì)算同省份前面3個(gè)月和6個(gè)月的均值、標(biāo)準(zhǔn)差
• 滑商特征。分別計(jì)算同bodyType 前面3個(gè)月和6 個(gè)月的均值、標(biāo)準(zhǔn)差

模型3

• 距離2015年 12月的月數(shù)間隔特征 mt
• 車型和省份的組合特征
• 車型、省份和間隔月份 mt 的組合特征
• 相同車型、省份前16個(gè)月每個(gè)月的銷量
• 比前一年的增長率
• 每個(gè)省份、每個(gè)月的車型上一年同月份銷量均值和最小值。
• 前面的第3、4、15、16個(gè)月同車型的銷量均值。并求;前面第15月均值與前面第3個(gè)月均值之差與前面第15 個(gè)月均值的商;前面第 16月均值與前面第4個(gè)月均值之差與前面第16個(gè)月均值的商
• 同車型同省份前面第1、2、11、12個(gè)月銷量之和
• 同車型同省份前面第1、2、3個(gè)月銷量之和。（11）同車型同省份前面第1、12個(gè)月銷量之和

秋名山車神團(tuán)隊(duì)

特征工程

• 不同省份 & 不同車型構(gòu)建不同銷量
• 基于特征重要性、均值和相關(guān)系數(shù)篩選特征

模型選擇

對(duì)比XGBoost、LightGBM、CatBoost、LSTM、CNN和Prophet模型，最后選擇LightGBM。

詩人藏夜里團(tuán)隊(duì)

整體方案

• 從實(shí)際業(yè)務(wù)場(chǎng)景出發(fā)挖掘有效特征，采用機(jī)器學(xué)習(xí)模型逐月預(yù)測(cè)
• 結(jié)合前沿神經(jīng)網(wǎng)絡(luò)研究成果采用神經(jīng)網(wǎng)絡(luò)模型分車型建模預(yù)測(cè)，最終對(duì)不同預(yù)測(cè)結(jié)果分月按不同比例加權(quán)驗(yàn)合

特征工程

將所提取的特征歸為以下幾類：同比、環(huán)比、歷史信息、編碼、差分差比、趨勢(shì)、節(jié)假日、其它。

掙錢買地球團(tuán)隊(duì)

本賽題的最為難解決的難點(diǎn)在于驗(yàn)證集的線上線下不一致的問題，我們放棄了驗(yàn)證集。

我們會(huì)拿預(yù)測(cè)出來的每個(gè)月的總銷量去跟我們猜測(cè)的數(shù)據(jù)去比較，如果預(yù)測(cè)出來的數(shù)據(jù)不是特別高，并且跟猜測(cè)的數(shù)據(jù)接近的話，我們會(huì)嘗試提交，往往效果都很不錯(cuò)。

核平精英團(tuán)隊(duì)

特征工程

要仔細(xì)考慮教據(jù)的周期性與趨勢(shì)性，可分為環(huán)比趨勢(shì)及同比趨勢(shì)：

• 環(huán)比方面，主要體現(xiàn)的為該類車在近幾個(gè)月內(nèi)銷量的情況
• 同比方面，主要體現(xiàn)的為該類車當(dāng)年與去年相比的情況，在這之間也體現(xiàn)了乘用車銷量的年周期性，
• 對(duì)于周期性，將其作為結(jié)果評(píng)估的依據(jù)，對(duì)本題所要預(yù)測(cè)的1-4月，可以明顯的看出其每年的銷量都呈現(xiàn)1月高峰、2月低谷、3和4月有所改善目兩月近平持平的趨勢(shì)，若模型預(yù)測(cè)出的教據(jù)分布不是如此即需調(diào)整。

后處理

隨比賽進(jìn)行，多次提交過結(jié)果后可以猜測(cè)，所要預(yù)測(cè)的18年 1-4月的銷量是偏低的，這時(shí)就可以對(duì)預(yù)測(cè)結(jié)果乘一個(gè)小于1的因子進(jìn)行調(diào)整。