综合项目 - 电商销量预估进阶方案

引言

同样还是 Rossmann 这个场景问题，ShowMeAI在上一篇 机器学习实战 | Python机器学习综合项目-电商销量预

估 里给大家讲解了基本的数据探索性分析、数据预处理和建模过程，本篇我们再来看看这些过程，对其中一些细
节做一些优化。

1.项目概况介绍

1.1 背景介绍
Rossmann 成立于1972年，是德国最大的日化用品超市，在 7 个欧洲国家有 3000 多家商店。商店不定时会举办
短期的促销活动以及连续的促销活动以此来提高销售额。除此之外，商店的销售还受到许多因素的影响，包括促
销、竞争、学校和国家假日、季节性和周期性。

可靠的销售预测使商店经理能够创建有效的员工时间表，从而提高生产力和动力，比如更好的调整供应链和合理
的促销策略与竞争策略，具有重要的实用价值与战略意义。如果可以帮助 Rossmann 创建一个强大的预测模
型，将帮助仓库管理人员专注于对他们最重要的内容：客户和团队。

本次的任务是希望建立机器学习模型，通过给出的数据来预测 Rossmann 德国各地1115家店铺的6周销量。

1.2 数据介绍
我们本次用到的数据集是 🏆 Kaggle 机器学习比赛 Rossmann Store Sales，数据以 家 Rossmann 连锁
商店为研究对象，从2013年1月1日到2015年7月共计录 条销售数据( 个特征)。大家可以通过
ShowMeAI 的百度网盘地址下载。

🏆 实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击 这里 获取本

牛博带你学AI 搜集整理
 文 [33]电商销量预估 Rossmann Store Sales | Kaggle 『Rossmann Store Sales数据集』

⭐ ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub
数据集一共涵盖了四个文件：

train.csv ：含有销量的历史数据。
test.csv ：未含销量的历史数据。
sample_submission.csv ：以正确格式提交的示例文件。
store.csv ：关于每个商店的一些补充信息。

其中， train.csv 中的数据中一共含有9列信息：

store ：为对应店铺的 id 序号
DayOfWeek ：代表着每周开店的天数
Data ：是对应销售额 Sales 产生的日期
Sales ：就是销售额的历史数据
Customers ：为进店的客人数量
Open ：则表示这个店铺是否开门与否
Promo ：表示商店是否在当天有促销活动
StateHoliday ：与 SchoolHoliday 分别表示了是否是国定假日或是学校假日

(1) 训练集

我们在 kaggle 的 data 页面下部的数据概览可以大致查看每个数据的分布情况(下为训练集 train.csv 情况)和部

分数据样例如下：

(2) 测试集

test.csv 中的数据列几乎和 train.csv 一样，但缺少了 Sales (也就是销售数据)以及 Customers (用户流量)这

两列。而我们的最终目标就是利用 test.csv 以及 store.csv 中的补充信息预测出 test.csv 中缺失的 Sales
数据。

test.csv 的数据分布情况，可以看到和上面相比缺少了 Sales 以及与 Sales 有强关联的 Customer 数据。

数据分布和部分示例数据如下：

牛博带你学AI 搜集整理
(3) 结果文件

结果文件 sample_submission.csv 中仅有 id 与 Sales 这两列，这个文件是我们将我们的预测答案提交至

Kaggle 的判题器上的标准格式模板。

在Python中我们只需要打开此文件，并将预测数据按照顺序填入 Sales 这一列后，使

用 Dataframe.to_csv(‘sample_submission.csv‘) 后就可以将带有预测数据的 sample_submission.csv 保存至
本地并准备后续上传。

(4) 商店信息

大家可以看到， train.csv 与 test.csv 中有对应的店铺 id，这些店铺 id 的详细情况就对应在 store.csv 中，

其中记录了一些店铺的地理位置信息以及营促销信息。

store.csv 的数据分布情况，可以注意到这里有很多离散的类别标签。

数据分布和部分示例数据如下：

其中：

Store ：对应表示了店铺的编号。
StoreType ：店铺的种类，一共有 a、b、c、d 四种不同种类的店铺。大家可以把它想象成快闪店，普通营
业店，旗舰店，或mini店这样我们生活中的类型。
Assortment ：用 a、b、c 三种分类描述店铺内售卖产品的组合级别。例如旗舰店和mini店中组合的产品肯
定是有很大不同的。
Competition Distance 、 Competition Open Since Year 、 Competition Open Since Month ：分别表示最
近的竞争对手的店铺距离，开店时间(以年计算)，开店时间(以月计算)。
Promo2 ：描述该店铺是否有长期的促销活动。
Promo2 Since Year 于 Promo2 Since Week ：分别表示商店开始参与促销的年份和日历周。
Promo Interval ：描述 promo2 开始的连续间隔，以促销重新开始的月份命名。

1.3 项目目标
在了解了这些数据后我们就需要明确一下我们的项目目的，在 Rossmanns 销售预测中，我们需要利用历史数

牛博带你学AI 搜集整理
在了解了这些数据后我们就需要明确 下我们的项目目的，在 Rossmanns 销售预测中，我们需要利用历史数
据，也就是 train.csv 中的数据进行监督学习。训练出的模型利用通test.csv中的数据进行模型推断(预测)，将
预测出的数据以 sample_submission.csv 的格式提交至Kaggle进行评分。在这过程中还可以结合 store.csv 中
的补充信息加强我们模型获得数据的能力。

1.4 评估准则
模型所采纳的评估指标为 Kaggle 在竞赛中所推荐的 Root Mean Square Percentage Error (RMSPE)指标。

其中：

代表门店当天的真实销售额。
代表相对应的预测销售额。
代表样本的数量。

如果有任何一天的销售额为 ，那么将会被忽略。最后计算得到的这个RMSPE值越小代表误差就越小，相应就
会获得更高的评分。

1.5 解决方案核心板块
本篇我们的解决方案，分成以下几个板块。

Step 1： 加载数据
Step 2： 探索性数据分析
Step 3： 数据预处理(缺失值)
Step 4： 特征工程
Step 5： 基准模型与评估
Step 6： XGBoost建模

1. ## 载入必要的库
2. import pandas as pd
3. import numpy as np
4. import xgboost as xgb
5.
6. import missingno as msno
7. import seaborn as sns
8. import matplotlib as mpl
9. import matplotlib.pyplot as plt
10. %matplotlib inline

1.6 加载数据
Rossmann 场景建模数据包含很多信息维度，比如客户数量、假期等。又根据其任务目标可以判定为监督学习中
典型的回归类建模问题。我们先对加载数据再做后续分析挖掘建模。

牛博带你学AI 搜集整理
 1. ## 载入数据
2. train = pd.read_csv('./rossmann-store-sales/train.csv')
3. test = pd.read_csv('./rossmann-store-sales/test.csv')
4. store = pd.read_csv('./rossmann-store-sales/store.csv')

通过 DataFrame.info() 操作可以查看DataFrame的数据基本信息(数值分布、缺失值情况等)。详细的pandas操
作也欢迎大家查看ShowMeAI的 数据分析系列教程 和 数据科学工具速查 | Pandas使用指南。

下图的操作结果显示 test.csv 和 store.csv 中均存在缺失值，我们可以进行相应的预处理。

1. train.info(), test.info(), store.info()

1. <class 'pandas.core.frame.DataFrame'>
2. RangeIndex: 1017209 entries, 0 to 1017208
3. Data columns (total 9 columns):
4. Store 1017209 non-null int64
5. DayOfWeek 1017209 non-null int64
6. Date 1017209 non-null object
7. Sales 1017209 non-null int64
8. Customers 1017209 non-null int64
9. Open 1017209 non-null int64
10. Promo 1017209 non-null int64
11. StateHoliday 1017209 non-null object
12. SchoolHoliday 1017209 non-null int64
13. dtypes: int64(7), object(2)
14. memory usage: 69.8+ MB
15.
16. <class 'pandas.core.frame.DataFrame'>
17. RangeIndex: 41088 entries, 0 to 41087
18. Data columns (total 8 columns):
19. Id 41088 non-null int64
20. Store 41088 non-null int64
21. DayOfWeek 41088 non-null int64
22. Date 41088 non-null object
23. Open 41077 non-null float64
24. Promo 41088 non-null int64
25. StateHoliday 41088 non-null object
26. SchoolHoliday 41088 non-null int64
27. dtypes: float64(1), int64(5), object(2)
28. memory usage: 2.5+ MB
29.
30. <class 'pandas.core.frame.DataFrame'>
31. RangeIndex: 1115 entries, 0 to 1114
32. Data columns (total 10 columns):
33. Store 1115 non-null int64
34. StoreType 1115 non-null object
35. Assortment 1115 non-null object
36. CompetitionDistance 1112 non-null float64
37. CompetitionOpenSinceMonth 761 non-null float64
38. CompetitionOpenSinceYear 761 non-null float64
39. Promo2 1115 non-null int64
40. Promo2SinceWeek 571 non-null float64
41. Promo2SinceYear 571 non-null float64
42 PromoInterval 571 non null object

牛博带你学AI 搜集整理
 42. PromoInterval 571 non-null object
43. dtypes: float64(5), int64(2), object(3)
44. memory usage: 87.2+ KB

2. 探索性数据分析
我们先对目标结果sales做一点分析，先对其进行分布绘图

1. train.loc[train.Open==0].Sales.hist(align='left')

发现：当店铺关闭时，日销量必然为 。

1. fig = plt.figure(figsize=(16,6))
2.
3. ax1 = fig.add_subplot(121)
4. ax1.set_xlabel('Sales')
5. ax1.set_ylabel('Count')
6. ax1.set_title('Sales of Closed Stores')
7. plt.xlim(-1,1)
8. train.loc[train.Open==0].Sales.hist(align='left')
9.
10. ax2 = fig.add_subplot(122)
11. ax2.set_xlabel('Sales')
12. ax2.set_ylabel('PDF')
13. ax2.set_title('Sales of Open Stores')
14. sns.distplot(train.loc[train.Open!=0].Sales)
15.
16. print('The skewness of Sales is {}'.format(train.loc[train.Open!=0].Sales.skew()))

1. The skewness of Sales is 1.5939220392699809

牛博带你学AI 搜集整理
去掉店铺关闭时的数据之后，重新绘制店铺开启时的日销量分布图。可以发现日销量表现为明显的有偏分布，其
偏度约为 ，远大于 ，我们会考虑对数据分布做预处理调整。

下面我们只采用店铺营业( Open!=0 )时的数据进行训练。

1. train = train.loc[train.Open != 0]
2. train = train.loc[train.Sales > 0].reset_index(drop=True)
3. train.shape

1. (844338, 9)

3. 缺失值处理

1. ## 训练集的缺失信息：无缺失
2. train[train.isnull().values==True]

Store DayOfWeek Date Sales Customers Open Promo StateHoliday Schoo

1. ## 测试集的缺失信息
2. test[test.isnull().values==True]

Id Store DayOfWeek Date Open Promo StateHoliday SchoolHoliday

479 480 622 4 2015/9/17 NaN 1 0

1335 1336 622 3 2015/9/16 NaN 1 0

2191 2192 622 2 2015/9/15 NaN 1 0

3047 3048 622 1 2015/9/14 NaN 1 0

4759 4760 622 6 2015/9/12 NaN 0 0

5615 5616 622 5 2015/9/11 NaN 0 0

6471 6472 622 4 2015/9/10 NaN 0 0

7327 7328 622 3 2015/9/9 NaN 0 0

8183 8184 622 2 2015/9/8 NaN 0 0

9039 9040 622 1 2015/9/7 NaN 0 0

10751 10752 622 6 2015/9/5 NaN 0 0

下面我们看一下store的缺失情况

1. ## store 的缺失信息
2. msno.matrix(store)

牛博带你学AI 搜集整理
test.csv 与 store.csv 中都有缺失值，我们会对其进行处理，并对特征进行合并：

1. ## 默认test中的店铺全部正常营业
2. test.fillna(1,inplace=True)
3.
4. ## 对CompetitionDistance中的缺失值采用中位数进行填补
5. store.CompetitionDistance =
store.CompetitionDistance.fillna(store.CompetitionDistance.median())
6.
7. ## 对其它缺失值全部补0
8. store.fillna(0,inplace=True)

我们知道，缺失值的一些处理方法包括：

删除字段(去除包含缺失值的 columns)。
填补缺失值(填入平均值、中位数或者拟合填充等)。
标记缺失值，把缺失值标记为特殊值(比如 -999)或者新加一列标注某字段是否是缺失。

1. ## 特征合并
2. train = pd.merge(train, store, on='Store')
3. test = pd.merge(test, store, on='Store')

1. train.head(10)

Store DayOfWeek Date Sales Customers Open Promo StateHoliday Sc

0 1 5 2015/7/31 5263 555 1 1 0

1 1 4 2015/7/30 5020 546 1 1 0

2 1 3 2015/7/29 4782 523 1 1 0

3 1 2 2015/7/28 5011 560 1 1 0

4 1 1 2015/7/27 6102 612 1 1 0

5 1 6 2015/7/25 4364 500 1 0 0

6 1 5 2015/7/24 3706 459 1 0 0

7 1 4 2015/7/23 3769 503 1 0 0

8 1 3 2015/7/22 3464 463 1 0 0

9 1 2 2015/7/21 3558 469 1 0 0

牛博带你学AI 搜集整理
4. 特征工程

4.1 特征抽取函数

1. def build_features(features, data):

2.
3. # 直接使用的特征
4.
features.extend(['Store','CompetitionDistance','CompetitionOpenSinceMonth','StateHoliday','StoreType','A
5. 'SchoolHoliday','CompetitionOpenSinceYear', 'Promo', 'Promo2', 'Promo2SinceWeek',
'Promo2SinceYear'])
6.
7. # 以下特征处理方式参考：https://blog.csdn.net/aicanghai_smile/article/details/80987666
8.
9. # 时间特征，抽取出年月日星期几等信息
10. features.extend(['Year','Month','Day','DayOfWeek','WeekOfYear'])
11. data['Year'] = data.Date.dt.year
12. data['Month'] = data.Date.dt.month
13. data['Day'] = data.Date.dt.day
14. data['DayOfWeek'] = data.Date.dt.dayofweek
15. data['WeekOfYear'] = data.Date.dt.weekofyear
16.
17. ：竞争对手的已营业时间
# 'CompetitionOpen'
18. ：竞争对手的已促销时间
# 'PromoOpen'
19. # 两个特征的单位均为月
20. features.extend(['CompetitionOpen','PromoOpen'])
21. data['CompetitionOpen'] = 12*(data.Year-data.CompetitionOpenSinceYear) + (data.Month-
data.CompetitionOpenSinceMonth)
22. data['PromoOpen'] = 12*(data.Year-data.Promo2SinceYear) + (data.WeekOfYear-
data.Promo2SinceWeek)/4.0
23. data['CompetitionOpen'] = data.CompetitionOpen.apply(lambda x: x if x > 0 else 0)
24. data['PromoOpen'] = data.PromoOpen.apply(lambda x: x if x > 0 else 0)
25.
26. # 'IsPromoMonth' ：该天店铺是否处于促销月，1表示是，0表示否
27. features.append('IsPromoMonth')
28. month2str = {1:'Jan', 2:'Feb', 3:'Mar', 4:'Apr', 5:'May', 6:'Jun', 7:'Jul', 8:'Aug', 9:'Sept', 10:'Oct',
11:'Nov', 12:'Dec'}
29. data['monthStr'] = data.Month.map(month2str)
30. data.loc[data.PromoInterval==0, 'PromoInterval'] = ''
31. data['IsPromoMonth'] = 0
32. for interval in data.PromoInterval.unique():
33. if interval != '':
34. for month in interval.split(','):
35. data.loc[(data.monthStr == month) & (data.PromoInterval == interval), 'IsPromoMonth'] =
1
36.
37. # 字符特征转换为数字
38. mappings = {'0':0, 'a':1, 'b':2, 'c':3, 'd':4}
39. data.StoreType.replace(mappings, inplace=True)
40. data.Assortment.replace(mappings, inplace=True)
41. data.StateHoliday.replace(mappings, inplace=True)
42. data['StoreType'] = data['StoreType'].astype(int)
43. data['Assortment'] = data['Assortment'].astype(int)
44. data['StateHoliday'] = data['StateHoliday'].astype(int)

特征抽
牛博带你学AI 搜集整理
4.2 特征抽取

1. ## 处理Date方便特征提取
2. train.Date = pd.to_datetime(train.Date, errors='coerce')
3. test.Date = pd.to_datetime(test.Date, errors='coerce')
4.
5. ## 使用features数组储存使用的特征
6. features = []
7.
8. ## 对train与test特征提取
9. build_features(features, train)
10. build_features([], test)
11.
12. ## 打印使用的特征
13. print(features)

1. ['Store', 'CompetitionDistance', 'CompetitionOpenSinceMonth', 'StateHoliday', 'StoreType',

'Assortment', 'SchoolHoliday', 'CompetitionOpenSinceYear', 'Promo', 'Promo2', 'Promo2SinceWeek',
'Promo2SinceYear', 'Year', 'Month', 'Day', 'DayOfWeek', 'WeekOfYear', 'CompetitionOpen', 'PromoOpen',
'IsPromoMonth']

5. 基准模型与评估

5.1 定义评估准则函数
由于需要预测连续值，因此需要采用回归模型。由于该项目是 Kaggle 赛题，测试集是使用根均方百分比误差
(Root Mean Square Percentage Error，RMSPE)评测的，因此这里只能使用RMSPE。RMSPE的计算公式为：

其中 与 分别为第 个样本标签的真实值与预测值。

1. ## 评价函数Rmspe
2. ## 参考：https://www.kaggle.com/justdoit/xgboost-in-python-with-rmspe
3.
4. def ToWeight(y):
5. w = np.zeros(y.shape, dtype=float)
6. ind = y != 0
7. w[ind] = 1./(y[ind]**2)
8. return w
9.
10. def rmspe(yhat, y):
11. w = ToWeight(y)
12. rmspe = np.sqrt(np.mean(w * (y-yhat)**2))
13. return rmspe
14.
15. def rmspe_xg(yhat, y):
16. y = y.get_label()
17. y = np.expm1(y)
18. yhat = np.expm1(yhat)
19. w = ToWeight(y)
20. rmspe = np.sqrt(np.mean(w * (y-yhat)**2))

牛博带你学AI 搜集整理
 21. return "rmspe", rmspe
22.
23. def neg_rmspe(yhat, y):
24. y = np.expm1(y)
25. yhat = np.expm1(yhat)
26. w = ToWeight(y)
27. rmspe = np.sqrt(np.mean(w * (y-yhat)**2))
28. return -rmspe

5.2 基准模型评估
我们构建回归树模型作为基础模型进行建模和评估。回归树我们直接使用 SKLearn
的 DecisionTreeRegressor 即可，搭配 折交叉验证与网格搜索进行调参，主要调节的超参数是树的最大深
度 max_depth 。

大家注意到这里的评估准则为 neg_rmspe ，这是恰当的传入模型调优的评估准则，GridSearchCV 默认

找 scoring_fnc 最大的参数，而直接使用 rmspe 指标，其值越小，模型效果越好，因此应该取负，从
而 neg_rmspe 值越大，模型精度越好。

1. from sklearn.model_selection import GridSearchCV, ShuffleSplit

2. from sklearn.metrics import make_scorer
3.
4. from sklearn.tree import DecisionTreeRegressor
5.
6. regressor = DecisionTreeRegressor(random_state=2)
7.
8. cv_sets = ShuffleSplit(n_splits=5, test_size=0.2)
9. params = {'max_depth':range(10,40,2)}
10. scoring_fnc = make_scorer(neg_rmspe)
11.
12. grid = GridSearchCV(regressor,params,scoring_fnc,cv=cv_sets)
13. grid = grid.fit(train[features], np.log1p(train.Sales))
14.
15. DTR = grid.best_estimator_

1. ## 显示最佳超参数
2. DTR.get_params()

1. {'criterion': 'mse',
2. 'max_depth': 30,
3. 'max_features': None,
4. 'max_leaf_nodes': None,
5. 'min_impurity_decrease': 0.0,
6. 'min_impurity_split': None,
7. 'min_samples_leaf': 1,
8. 'min_samples_split': 2,
9. 'min_weight_fraction_leaf': 0.0,
10. 'presort': False,
11. 'random_state': 2,
12. 'splitter': 'best'}

1. ## 生成上传文件
2. submission = pd.DataFrame({"Id": test["Id"], "Sales": np.expm1(DTR.predict(test[features]))})
3. submission.to_csv("benchmark.csv", index=False)

牛博带你学AI 搜集整理
模型在测试集上的 Public Score 为 ，Private Score为 。下面使用 XGBoost 对基准测试结果
进行提升。

6. XGBoost建模与调优

6.1 模型参数
XGBoost是比较强大的模型，可调参数较多(具体可以参考ShowMeAI文章 XGBoost建模应用详解)，我们主要调
整下列的超参数：

eta ：学习率。
max_depth ：单颗回归树的最大深度，较小导致欠拟合，较大导致过拟合。
subsample ：0-1之间，控制每棵树随机采样的比例，减小这个参数的值，算法会更加保守，避免过拟合。
但如果这个值设置得过小，可能会导致欠拟合。
colsample_bytree ：0-1之间，用来控制每棵随机采样的特征的占比。
num_trees ：树的棵树，也就是迭代步数。

1. ## # 默认的一版参数
2. ## params = {'objective': 'reg:linear',
3. ## 'eta': 0.01,
4. ## 'max_depth': 11,
5. ## 'subsample': 0.5,
6. ## 'colsample_bytree': 0.5,
7. ## 'silent': 1,
8. ## 'seed': 1
9. ## }
10. ## num_trees = 10000

1. ## 第二次调参，学习率过大，效果下降
2. ## params = {"objective": "reg:linear",
3. ## "booster" : "gbtree",
4. ## "eta": 0.3,
5. ## "max_depth": 10,
6. ## "subsample": 0.9,
7. ## "colsample_bytree": 0.7,
8. ## "silent": 1,
9. ## "seed": 1301
10. ## }
11. ## num_trees = 10000

1. ## 第三次调参，步长适中，收敛速度快，结果优
2. params = {"objective": "reg:linear",
3. "booster" : "gbtree",
4. "eta": 0.1,
5. "max_depth": 10,
6. "subsample": 0.85,
7. "colsample_bytree": 0.4,
8. "min_child_weight": 6,
9. "silent": 1,
10. "thread": 1,
11. "seed": 1301
12. }
1200
牛博带你学AI 搜集整理
 13. num_trees = 1200

6.2 模型训练

1. import numpy as np # 导入numpy包

2. from sklearn.model_selection import KFold # 从sklearn导入KFold包
3.
4. # 输入数据推荐使用numpy数组，使用list格式输入会报错
5. def K_Fold_spilt(K,fold,data):
6. '''
7. :param K: 要把数据集分成的份数。如十次十折取K=10
8. :param fold:要取第几折的数据。如要取第5折则 flod=5
9. :param data: 需要分块的数据
10. :return: 对应折的训练集、测试集
11. '''
12. split_list = []
13. kf = KFold(n_splits=K)
14. for train, test in kf.split(data):
15. split_list.append(train.tolist())
16. split_list.append(test.tolist())
17. train,test=split_list[2 * fold],split_list[2 * fold + 1]
18. return data[train], data[test] # 已经分好块的数据集

1. ## 随机划分训练集与验证集
2. from sklearn.model_selection import train_test_split
3.
4. #X_train, X_test = train_test_split(train, test_size=0.2, random_state=2)
5. X_train, X_test = K_Fold_spilt(10,5,train)
6.
7. dtrain = xgb.DMatrix(X_train[features], np.log1p(X_train.Sales))
8. dvalid = xgb.DMatrix(X_test[features], np.log1p(X_test.Sales))
9. dtest = xgb.DMatrix(test[features])
10.
11. watchlist = [(dtrain, 'train'),(dvalid, 'eval')]
12. gbm = xgb.train(params, dtrain, num_trees, evals=watchlist, early_stopping_rounds=50,
feval=rmspe_xg, verbose_eval=False)

6.3 提交结果文件

1. ## 生成提交文件
2. test_probs = gbm.predict(xgb.DMatrix(test[features]), ntree_limit=gbm.best_ntree_limit)
3. indices = test_probs < 0
4. test_probs[indices] = 0
5. submission = pd.DataFrame({"Id": test["Id"], "Sales": np.expm1(test_probs)})
6. submission.to_csv("xgboost.csv", index=False)

6.4 特征优化
在电商类场景中，过往的历史统计特征也非常重要，我们可以通过对历史销量数据，做不同时间粒度的统计构建
统计特征作为补充信息，对于建模效果优化也有帮助，如下是一些示例：

1. sales_mean_bystore = X_train.groupby(['Store'])
['Sales'].mean().reset_index(name='MeanLogSalesByStore')
2. sales mean bystore['MeanLogSalesByStore'] = np.log1p(sales mean bystore['MeanLogSalesByStore'])

牛博带你学AI 搜集整理
2. sales_mean_bystore[ MeanLogSalesByStore ] np.log1p(sales_mean_bystore[ MeanLogSalesByStore ])
3.
4. sales_mean_bydow = X_train.groupby(['DayOfWeek'])
['Sales'].mean().reset_index(name='MeanLogSalesByDOW')
5. sales_mean_bydow['MeanLogSalesByDOW'] = np.log1p(sales_mean_bydow['MeanLogSalesByStore'])
6.
7. sales_mean_bymonth = X_train.groupby(['Month'])
['Sales'].mean().reset_index(name='MeanLogSalesByMonth')
8. sales_mean_bymonth['MeanLogSalesByMonth'] =
np.log1p(sales_mean_bymonth['MeanLogSalesByMonth'])

牛博带你学AI 搜集整理