9 公开榜，11 私榜（单模型）- 解决方案总结（公开榜 0.04605, 私榜 0.04766）
首先，感谢 Kaggle 在 16 个月后组织了这场 playground 预测竞赛！（终于）。这是我第一次单独获得竞赛前 1%，而且是没有复制或集成公共 Notebook，而是使用我自己对这个竞赛什么有效的直觉完成的。
我将在此简要概述我的解决方案，同时详细阐述公共 Notebook/讨论中未见过的部分。解决方案代码在 这里 - 今天晚些时候将添加一些注释。
(A) 基线
正如 @siukeitin 在 这个讨论 中分享的，销售额的“分布”遵循某种模式，可以按国家（GDP 比率）、产品和商店进行分解。
商店
跨年份未观察到明显趋势 -> 为每个商店分配一个恒定值
产品
观察到季节性，频率取决于产品为 1 或 2 年。因此为每个产品拟合频率=2 年的傅里叶级数
国家
使用每年国家 GDP / 每年 GDP 总和的值
星期几
周日 > 周六 > 周五 > 其他任何天的销售量
注意：计算这些比率时应排除肯尼亚和加拿大的销售额，因为它们的空值 (NULLs) 可能会引入偏差。
(B) 节假日
通过探索性数据分析 (EDA)，我们可以发现节假日的影响持续到实际节假日之后，大多直到节假日后 7-9 天。
- 节假日首先按日期排序，以便最近的节假日被优先考虑（在节假日效应重叠的情况下）
- 按国家和节假日名称分组
- 对于 1-9 天计算个体乘数
3a. 假设T 日是受节假日影响的日子之一，计算T 日销售额 / T-7 日销售额，如果T-7 日是节假日，则向后传播比率直到找到非节假日
3b. 将最小值裁剪为 1
(C) 估算总销售额和乘数
既然我们对销售额的“分解”有了大致了解，剩下的就是估算 2010 年至 2019 年每个日历年的总销售额。
最简单的方法是拟合线性最小二乘法来根据总 GDP 估算年销售额（由于 R^2 高达 0.997）- 但这带来了一些挑战。
- 正如 (A) 部分讨论所示 - 世界银行提供的肯尼亚 GDP 过高。因此我从肯尼亚的 GDP 中减去了 200 的常数值
- 线性模型不是销售额与 GDP 的良好拟合，因为它违反了误差独立的假设
虽然最小二乘线估计斜率（或总销售额 / GDP）为 84.54，但我们注意到残差遵循周期性趋势！
令 R(T) 为年份 T 的总销售额/GDP 比率：
因此，需要乘数，并且应该预期乘数为：
- 2017 > 2016 (1.04)
- 2018 < 2017
- 2019 > 2018
通过 LB 探测发现 2017 年的最佳乘数是 1.08。不幸的是，我没有找到任何启发式方法来准确估计乘数，不得不猜测它。如果有人找到了，欢迎在评论中留言。
对于一次提交，我选择了：
- 2017: 1.08, 2018: 1.07, 2019: 1.11
对于另一次提交，我选择了：
- 三年均为 1.08
第二次提交在私榜上得分更高，这表明将 2019 年的乘数估计为 1.11 是不准确的。
笔记
我想向 @cdeotte 表示诚挚的感谢，感谢多年来分享适合初学者的教程！回想当初我第一次参加 LLM Science Exam 竞赛时，你的 入门 Notebook 在指导我们改进解决方案方面起到了不可思议的帮助，尤其是在我和可能许多其他人都在挣扎的时候。你慷慨地分享知识是无价的，我真的很感激它对我的成长产生的影响。谢谢你！