2020中国高校计算机大赛·华为云大数据挑战赛热身赛--EDA

慢慢看，慢慢写~
顺便求求大佬带

数据集格式

数据集存放格式

读数据的时候根据日期，路口，方向的不同有不同的文件，数据集涉及4周（2019.1.12 – 2019.2.8）28天的数据；其中01-14日缺失wuhe_zhangheng路口四个方向的信息，其他的日期都完整包括6个路口的信息。

# 4周（2019.1.12 – 2019.2.8）28天的数据
| -- 01-12  
	# 按照路口，方向分文件保存
	| -- chongzhi_beier-east-01-13.csv,  #chongzhi_beier四个方向四个数据文件
	| -- chongzhi_beier-north-01-13.csv
 	| -- chongzhi_beier-south-01-13.csv
	| -- chongzhi_beier-west-01-13.csv
	.
	.
	.
	| -- wuhe_zhangheng-west-01-13.csv
.
.
.
| -- 02-08 
	| -- chongzhi_beier-east-02-08.csv
	.
	.
	.

涉及路口

很奇怪，文件夹里面有chongzhi_beier 的信息，猜测应该是 “冲之大道-贝尔路” 路口，但是官方并没有提到这个路口 ╮(╯▽╰)╭
涉及到的6个路口如图所示(图片“上”方向即为“正北”)，其中左上角的 wuhe_zhangheng 路口就是最终要预测的路口

缺失值分析

• 基本上每个路口都存在缺失值（缺失值都在1月，2月就没有了）
• 最长的一个缺失值达到了两天半

可视化分析(wuhe_zhangheng-straightFlow)

所有数据的可视化分析

• 很明显的周期性了（以天为周期）
• 2月4日后车流量就变小了，查了下2月5日春节（233333 华为的放假日期get！）
• 预测的日期是（2019年2月11日，正月初七）和周四（2019年2月14日，正月初十，情人节）。
• 2019年春节期间节假日安排:

春节：2月4日至10日放假调休，共7天。2月2日（星期六）、2月3日（星期日）上班。

所有数据的可视化分析

• 异常值、离群值的处理（可以选择删除 / 用历史数据的均值 / 用缺失值替代）

建议方法

本题非常的难以下手，建议大家不要过分纠结LightGBM的调参，更多的关注数据，可能几个和预测日期相似的日期的均值就可以有很好的效果