kaggle比赛--罗斯曼商店销售预测，xgboost回归
作者：zhaikun 风控建模屌丝一枚，现居于北京
个人微信公众号：Python数据分析与评分卡建模
本文数据获取：关注Python爱好者社区微信公众号，回复商店。
一直做分类模型，很少做回归模型，今天看了kaggle大神的一个代码，然后用我自己理解的方法改进了一下，在这里分享一下思路和部分代码
这是1个商店连锁店老板，把相关数据放到kaggle上，并提供奖金，希望用准确的模型对未来进行统筹安排，同时这个连锁店也招收数据科学家。
好吧，这不是个体户，是商超集团，很先进的思想啊。
数据获取方式可以在kaggle上下载，具体网址：https://www.kaggle.com/c/rossmann-store-sales/data，也可以关注Python爱好者社区微信公众号，回复商店获取数据。
变量字典：
评价标准：
为了方便大家理解，我还是翻译成中文
预览一下
上面加载的是商店信息，1113个id，说明连锁店是1113个，9个特征，有缺失值。因为我这在MAC下用的notebook，一直不会弄成中文。
现在加载训练集，关于销量数据
选择营业信息，选择销量>0的样本，合并
老规矩，分为连续变量和分类变量，批量显示分类变量水平：
商店等级是有序变量，我们特征抽象转成1、2、3.
再显示连续变量密度分布图
这里做个转换，偏度0.75以上的连续变量用对数转换一下
然后再归一化和one-hot编码
xgboost建模，最后结果是均方根误差0.059，还算不错。
这个比赛觉得有点坑人的地方是：
测试集时间跨度很少，不包括训练集衍生出的季节_1、季节_2、洲假日_B、洲假日_C，最关键的是，居然没有重要变量 客户数量，觉得这更倾向于做时间序列模型
本文数据获取：关注Python爱好者社区微信公众号，回复商店。
Python爱好者社区历史文章大合集：
Python爱好者社区历史文章列表（每周append更新一次）
关注后在公众号内回复“课程”即可获取：
小编的Python入门视频课程！！！
崔老师爬虫实战案例免费学习视频。
丘老师数据科学入门指导免费学习视频。
陈老师数据分析报告制作免费学习视频。
玩转大数据分析！Spark2.X+Python 精华实战课程免费学习视频。
丘老师Python网络爬虫实战免费学习视频。