https://github.com/shenweichen/ctrip14

科赛 携程出行产品未来14个月销量预测 第2名
https://github.com/shenweichen/ctrip14

sales-forecast

Last synced: 16 days ago
JSON representation

科赛 携程出行产品未来14个月销量预测 第2名

• Host: GitHub
• URL: https://github.com/shenweichen/ctrip14
• Owner: shenweichen
• Created: 2017-05-13T10:53:42.000Z (over 7 years ago)
• Default Branch: master
• Last Pushed: 2017-06-01T05:23:23.000Z (over 7 years ago)
• Last Synced: 2024-10-13T21:11:28.353Z (about 1 month ago)
• Topics: sales-forecast
• Language: Jupyter Notebook
• Homepage:
• Size: 369 KB
• Stars: 62
• Watchers: 5
• Forks: 25
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# 出行产品未来14个月销量预测

## 比赛描述

携程作为中国领先的综合性旅行服务公司，每天向超过2.5亿会员提供全方位的旅行服务，海量的网站访问产生了海量的数据，从中挖掘潜在的信息资源有着重要意义。调研发现，在出行产品预订业务中，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，这对于收益管理和客户价值的提升有着重要作用。[比赛地址](https://www.kesci.com/apps/home_log/index.html#!/competition/58bfc27471db03332e1b8a36/content/0)

[数据地址](https://www.kesci.com/apps/home_log/index.html#!/lab/dataset/58bf9bb671db03332e1b85f3/document)  

赛后和其他团队交流后感觉比我们的方案做的很粗糙，有很多值得学习和改进的地方。

## 运行环境

- Windows10

- Python 3.5.2

- lightgbm 0.1

- scikit-learn 0.18.1

- Pandas 0.19.2

- Numpy 1.12.0

## 文件说明

- ctripfunc.py  特征处理函数

- solution.py   主函数

- prediction_lilei_20170320.txt 官方的提交样例，用于生成最终结果的格式

- best_result.txt 最终预测结果文件

## 运行说明

- 将原始数据文件，包括`product_info.txt`和`product_quantity.txt`放置在代码同级目录下，直接运行`solution.py`即可，生成的`l_bg46_lgb100_1first.txt`为最终提交的结果文件。