100日後にプロになるワシ14日目（python）

昨日はECサイトの顧客の購入データから顧客が好みそうな商品を予想するモデルを作成した。

今日からは新しく引っ越し需要予測というのをやる

今までは、穴埋め問題という「学習」スタイルで進めていたけど、今日からはガチコンペの課題です。（解答ないやーつ）

やったこと

Sign In | SIGNATE - Data Science Competition

アップル引っ越しセンター、機械学習コンペティション
環境構築とデータ確認まで。

概要

引っ越しの需要は3月が年間平均の2.5倍、4月が2倍らしく。
引っ越し会社はこの繁忙期で年間の売り上げのほとんどを稼いで、それ以外をなんとかしのいで年間収支を立てているそう。

また、引っ越しスタッフは「シフト制」で、需要予測ができないために、なかなか休めない。緊急出勤などがおきます。

なので、もし、需要予測ができたのなら、その予測に応じて人員を配置することができます。生産性を高められ、収益性が増します。
そして、スタッフが働きやすい環境が作れることで、人材の定着にも貢献します。

とのこと

jupyter notebookをやる

jupyter notebookはpython界隈ではぶち有名な開発環境

結構前にE資格勉強の時インストールして以来の起動

UIはこんな感じ↓

これ1つ1つを分けて実行できたり、その順番を変えたりできて色々便利！
起動するだけでローカルサーバー立ち上がってブラウザで動作します！

今日は前回までにやったECのプログラムを眺めながら進めました。

最初のモジュールインポートでこける図↑（たいぽ）

カラム ヘッダ名称    説明	                                   変数種別
0	  datetime   日時（YYYY-MM-DD）                          文字列
1	  y	　　      引越し数                                    数値：整数
2	  client	 法人が絡む特殊な引越し日フラグ                   数値：整数（0,1）
3	  close	     休業日	                                    数値：整数（0,1）
4	  price_am   午前の料金区分（-1は欠損を表す。5が最も料金が高い）	数値：整数（-1,0,1,2,3,4,5）
5	  price_pm   午後の料金区分（-1は欠損を表す。5が最も料金が高い）	数値：整数（-1,0,1,2,3,4,5）

扱うデータはこんな感じ↑

今回は今まで扱ってきたtsv形式ではなくcsv形式だったのでそこでまずハマった。

tsv形式はタブで区切ってあるんだけど、csvはカンマ区切り。。。。

これで何が困るって、データを扱うのにdataflameというデータを扱いやすい形に変換するんだけど。

tsvタイプではdata["引っ越し数"]とかで行を選択していたのに、csvタイプではキーワードで呼び出せなかった！！！

で、30分くらいハマって色々やったら

なんか治った

なんか治ったから進めていって

こんな感じでデータの分布とか出してみた。
これでわかるのは法人が絡む特殊な引っ越しは206回とか
休業日は27日しかないとか
高額な料金区分はやっぱり少ないな。とか

感想

やっぱり穴埋め問題より、自分でやってる感があってよい
明日からちゃんとした分析に入ります。
いい感じに勧められてて嬉しい

おまけ

どうやら簡単にグラフがかけるらしかったので、やってみた
↓こちらは午前の料金区分（-1は欠損。5が最も料金が高い）

圧倒的「分析してる感」