Kaggle Winning Solution Series: Rossman store sales forecast

YanAITalk

9 Jul 202119:48

Summary

TLDRيتناول هذا النص منافسة تنبؤ مبيعات لمتاجر الأدوية في دول أوروبية، حيث يتم التنبؤ بالمبيعات اليومية عبر 100 متجر باستخدام بيانات تاريخية تشمل مبيعات، عدد الزبائن، العطلات، الترويج، والمنافسة. يناقش النص تقنيات مثل استخراج الخصائص الهندسية والميزات الزمنية، بما في ذلك التنبؤ باستخدام نماذج شجرة التعزيز التدريجي (GBM) وتقنيات تعلم الآلة مثل التضمين الكياني (Entity Embedding). كما يتناول المعيار المستخدم لتقييم الأداء (RMSE) وأهمية تحسين الأداء عبر المعالجة الدقيقة للبيانات والموديلات.

Takeaways

🛒 تحتوي بيانات المسابقة على مبيعات يومية، عدد العملاء، حالة المتجر، العطلات، العروض الترويجية، والمنافسة.
📊 الهدف هو التنبؤ بالمبيعات اليومية لكل متجر لمدة تصل إلى ستة أسابيع باستخدام بيانات تاريخية وبيانات خارجية.
⚖️ تُستخدم جذر متوسط نسبة الخطأ التربيعي (RMSPE) كمعيار لتقييم دقة التنبؤات بشكل نسبي.
🧩 الهندسة المميزة للميزات كانت عاملًا حاسمًا في تحسين أداء النماذج، مع التركيز على الإحصاءات للبيانات الحديثة والفترات الزمنية.
📅 الميزات الزمنية تشمل يوم الأسبوع، قرب الأحداث والعطلات، وعدد العطلات خلال الأسابيع الحالية والسابقة واللاحقة.
📈 الاتجاهات تمثل باستخدام نماذج خطية لكل متجر لتوقع التغيرات المستقبلية في المبيعات.
🌦 تم دمج البيانات الخارجية مثل الطقس (درجة الحرارة، الأمطار) لتحسين دقة التنبؤات في ظروف مختلفة.
🌳 النموذج الرئيسي المستخدم كان أشجار تعزيز التدرج (GBM/XGBoost) مع تحسينات مثل اختيار الميزات والتحقق عبر فترات زمنية متعددة.
🔢 تحويل اللوغاريتمات وتطبيق عوامل تصحيح صغيرة ساهم في تحسين نتائج المسابقة على المتصدرين.
🧠 الحل الثالث استخدم التضمينات الكيانية (Entity Embeddings) لتقليل أبعاد المتغيرات الفئوية وتحسين أداء النماذج المختلفة.
🏆 حتى مع نماذج بسيطة، يمكن الحصول على نتائج جيدة إذا تم تطبيق هندسة الميزات بشكل صحيح، بينما تحسينات صغيرة أو 'حيل' يمكن أن تحدث فرقًا في الترتيب النهائي.