2020-03-24

本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第一场 —— 零基础入门数据挖掘之二手车交易价格预测大赛。

赛题以二手车市场为背景，要求选手预测二手汽车的交易价格，这是一个典型的回归问题。

数据明确后就要看到是个什么问题
对于要预测的值，连续值做回归，离散值做预测

哪些算法可以做这个问题(回归/分类)慢慢积累

回归：线性回归，决策树，SVM
分类：线性回归，决策树，SVM
要用的算法(线性回归)要什么样的数据才可以用上

线性回归： 数值型数据
数据中是否含有字符串或者缺失值，如何将它们变为数值型

数据特征工程的思路，数据的EDA(推荐pandas_profiling)、特征选择、特征组合或分割

EDA:一键生成数据报表
特征选择：特征参数过多不利于计算，容易过拟合，需要做选择
特征组合：特征之间有所联系可以组合成一个较综合的特征
特征分割：类似于One-hot编码

算法的选择

1.Xgb(Xgboost)
2.Lgb(Lightgbm)
3.ANN(Adaboost)

原文链接：https://blog.csdn.net/xujiaqi1574587/article/details/99085233

查看价格的分布

import matplotlib.pyplot as plt
import seaborn as sns


plt.figure()
sns.distplot(train_df['price'])
plt.figure()
train_df['price'].plot.box()
plt.show()