第9名解决方案

这是我第一次在Playground/Featured系列赛中获得个位数排名。

非常感谢Kaggle组织Playground系列赛事，并采纳了@ravi20076关于增加挑战多样性的建议，同时也感谢队友@onurkoc83和@nivedithavudayagiri的出色合作！

在本文中，我将详细介绍我在S3E19比赛中的解决方案。

处理2020年销售数据

我使用了这个数据集对2020年3月至12月的数据进行了平滑处理（而不仅仅是3月至5月）[我也尝试过使用2020年1月至12月的数据，但这导致了验证分数下降]，以消除整年的异常趋势。

处理后的数据如下所示（没有出现任何偏差）：

预处理

添加了以下额外特征：
(a) 标准日期特征：年、月、星期几等
(b) 节假日特征（参考：@nivedithavudayagiri）
(c) 季节性特征：如month_sin、month_cos

方法

我没有使用交叉验证。训练集为2017-2020年平滑后的数据，验证集为2021年的数据。验证指标不是整个2021年的数据，而是仅计算2021年4月至12月的SMAPE（这个讨论提示评估将基于4月至12月的数据）。

使用了后处理：将最终预测结果乘以一个系数（参考：@paddykb的方法）。

在比赛期间，我发布了两个使用不同预测模型的公开笔记本：
(1) Prophet基线模型与后处理
验证分数：9.39
(5) CatBoost模型（平滑+后处理） [版本35]
验证分数：8.50

这两个笔记本的预测结果都被用作候选，与其他提交结果融合形成最终提交：

(2) EDA+集成ML管道+RNN by @tetsutani
(3) Gammy Sales [需注意！] by @paddykb
(4) EDA与建模提交 by @oscarm524

经过多次实验，最佳的融合子集是(2)、(3)和(5)。这得到了公开榜分数5.42826和私有榜分数6.01720，最终排名第9位。

最终提交笔记本