第四名解决方案

祝贺 @georgekoussa 的获胜 Notebook！也祝贺 @kdmitrie 取得了精彩的第三名。每当我短暂排名第一时，几小时后他就迅速把我挤到第二名 😉

这场使用人工数据集的预测竞赛有点像谜题，需要计算各种比例。然而，每年的总销售额对我来说仍然是个谜。所以我很高兴最终获得了第四名，就像在公共排行榜上一样。我本以为会有更大的变动。

简而言之，这是我的解决方案：

• 将年度总计视为给定值（我使用了早期预测和一些公共 Notebook 的平均值）。以下所有步骤均指比例。
• 使用世界银行每年的人均 GDP 数据作为国家比例。由于训练数据中的国家比例存在一些重大差异，我使用了简单的 scipy 线性回归来使比例更拟合，尤其是肯尼亚。
• 使用固定的商店比例。我无法识别任何季节性或其他模式。
• 针对每个国家，分别处理：
  • 计算每天的平均产品比例，区分偶数年和奇数年（观察正弦余弦曲线，有一个明显的两年模式），然后应用一些 FFT 平滑（感谢 @kdmitrie 在某处讨论过这一点）
  • 对于年度日期比例，我使用了 Sklearn 的 Ridge 和 HuberRegressor 进行线性回归（差别不大）。我做了一些广泛的特征工程。除了正弦 - 余弦特征和星期几之外，我还尝试了许多特定国家的假日，包括浮动和固定假日。销售高峰通常发生在假日后的几天。由于 Ridge 运行速度很快，我试图找出每个国家有效的具体日期。有趣的是，某些国家/假日组合产生了影响，尽管 holidays 库中并没有它们。
• 最后，根据比例和年度总计计算绝对数值。

由于国家比例存在一些缺陷，当我没有好主意可提交时，我针对公共排行榜测试了一些因子（如肯尼亚 * 1.012）。但这并没有带来太大差别，并且相对于私有排行榜存在风险。

我最好的 Notebook 在公共排行榜上达到了 0.04385，在私有排行榜上达到了 0.4560，均使我获得第四名。