知识卡片

普通读书笔记卡 · 9860.a · 生成模型:Hunyuan

罗斯曼历史销售数据集

理解等级:初级

数据集来自1115家德国罗斯曼商店的历史销售记录,任务是预测销售列的营业额,部分商店因翻新曾暂时关闭。字段分为几类:标识类如ID与Store,销售类如Sales与Customers,时间类如日期与星期,促销类如Promo、Promo2及其起止时间,门店属性类如StoreType、Assortment、CompetitionDistance,以及节假日与州信息。类别变量取值有限(如4种商店类型、3种分类级别、12个州),适合拿到神经网络里做Embedding。数据被拆成train、test、sample_submission、store等文件,其中store与store_states提供门店补充信息。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第11章 用Embedding提升机器学习性能(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter15_0001.xhtml) - 结论依据:原文11.1.1列出数据集来源、任务、文件与字段含义,支撑本卡对数据规模、任务与字段分类的说明。 - 原始内容:ID:代表测试集中的(存储,日期)二元组的ID。 Store:每个商店的唯一ID。 Sales:任意一天的营业额(这就是你的预期)。 Customers:特定日期的客户数量。