songxxiao / m5_compete

Sliver Solution (Top 2%) for Kaggle M5 Forecasting competition / Kaggle M5沃尔玛销量时间序列预测竞赛 银牌方案(Top 2%)

It's Xiao Song's github.

m5_compete's Issues

竞赛描述(中文)

https://www.kaggle.com/c/m5-forecasting-accuracy/overview/description

一家商店一年中每月会卖出多少件露营装备？对于初学者来说，在此级别上计算销售额似乎与预测天气一样困难。两种类型的预测都依赖于科学和历史数据。错误的天气预报可能会导致您在晴天携带雨伞，而错误的业务预测可能会导致实际或机会损失。在这场比赛中，除了传统的预测方法外，您还面临使用机器学习提高预测准确性的挑战。

尼科西亚大学的Makridakis开放预测中心（MOFC）进行前沿的预测研究，并提供业务预测培训。它可以帮助公司实现准确的预测，估计不确定性水平，避免代价高昂的错误以及应用最佳预测实践。 MOFC因其Makridakis比赛而闻名，第一场比赛于1980年代举行。

在本次竞赛的第五次迭代中，您将使用全球最大公司沃尔玛的分层销售数据，以预测未来28天的日销售量。该数据涵盖了美国三个州（加利福尼亚州，德克萨斯州和威斯康星州）的商店，并且包括商品层面，部门，产品类别和商店详细信息。此外，它还具有解释性变量，例如价格，促销，星期几和特殊事件。这些强大的数据集可以一起用于提高预测准确性。

如果成功，您的工作将继续推动预测的理论和实践。所使用的方法可以应用于各种业务领域，例如设置适当的库存或服务级别。通过其业务支持和培训，MOFC将帮助分发工具和知识，以便其他人可以获得更准确和更好的校准预测，减少浪费并能够理解不确定性及其风险隐患。感谢其他合作伙伴组织和奖项赞助商，雅典国立技术大学（NTUA），INSEAD，Google，Uber和IIF。

Accuracy

在挑战中，您要预测两个28天时间段内各个位置商店的商品销售。 有关数据的信息可在 M5参与者指南中找到。

档案

• calendar.csv-包含有关产品销售日期的信息。
• sales_train_validation.csv-包含每个产品和商店的历史每日单位销售数据[d_1-d_1913]
• sample_submission.csv-提交的正确格式。 请参考评估选项卡以获取更多信息。
• sell_prices.csv-包含有关每个商店和日期出售产品的价格的信息。
• sales_train_evaluation.csv-包括销售[d_1-d_1941]（用于公共排行榜的标签）

Uncertainty

在挑战中，您要预测在两个28天的时间段内，在不同位置的商店中有9个四分位数的商品销售。 有关数据的信息可在《 M5参与者指南》中找到。

档案

• calendar.csv-包含有关产品销售日期的信息。
• sales_train_validation.csv-包含每个产品和商店的历史每日单位销售数据[d_1-d_1913]
• sample_submission.csv-提交的正确格式。 请参考评估选项卡以获取更多信息。
• sell_prices.csv-包含有关每个商店和日期出售产品的价格的信息。
• sales_train_evaluation.csv-包括销售[d_1-d_1941]（用于公共排行榜的标签）

关于损失函数的问题

想问一下，Poisson损失函数和tweedie损失函数有什么区别，你是怎么想出自定义损失函数，自定义损失函数为什么要这么设计