机器学习 训练汽车销量预测模型

根据所给数据，训练汽车销量（sale_quantity）预测模型：
1）所有特征都需要用到，不允许私自删减特征；
2）训练数据为train_sales.csv，验证数据为test_sales.csv，验证数据的提交文件为submit_sales.csv；
3）采用tran_test_split方法将train_slaes.csv划分成训练样本和测试样本，且用MAE评估测试样本 - sklearn.metrics.mean_absolute_error；
4）子题目：
A：构造新特征mean-price，取值为price_level字段的均值，例如8-12w用10表示，单位默认为万；
B：构造新特征price-diff，取值为price_level字段的最大值减去最小值，例如8-12w，price-diff为4，单位默认为万。

注意：
1）以上各题，特征处理后需要打印出新构造的特征，例如df.head()和df.shape。
2）提交结果包括3部分：新特征的df.head()和df.shape截图；训练结果和测试集评估截图；验证集结果submit文件。

数据集：链接：https://pan.baidu.com/s/1TbuTKD9unwmlWccBQdD4Jw?pwd=t1k8
提取码：t1k8

import pandas as pd
import re
import numpy as np
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error,r2_score,mean_absolute_error

path1='./data/train_sales.csv'
path2='./data/test_sales.csv'
df1=pd.read_csv(path1,encoding='gbk')

def func1(x):
    r1=re.findall('\d+',x)
    r2=[int(i) for i in r1]
    return sum(r2)/len(r2),max(r2)-min(r2)


df1['TR']=df1.TR.apply(lambda x:int(x[0]))
df1=df1.replace('-',np.nan)
df1['rated_passenger']=df1.rated_passenger.apply(lambda x: np.nan if x[-1]=='日' else x)
df1['engine_torque']=df1.engine_torque.apply(lambda x:float(str(x).split('/')[0]))
df1['power']=df1.power.apply(lambda x:float(str(x).split('/')[0]))
df1['if_charging']=df1.if_charging.apply(lambda x:1 if x=='L' else 0)
cols=['level_id','price','fuel_type_id','rated_passenger']
for c in cols:
    df1[c]=df1[c].astype(float)

df1=pd.get_dummies(df1,columns=['gearbox_type']) ##指定列哑变量，分类变量在最后
df1[['mean-price','price-diff']]=list(df1.price_level.apply(func1))
del df1['price_level']

df1=df1.fillna(df1.mean())

Y=df1.sale_quantity
X=df1[df1.columns[3:]]
x_train, x_test, y_train, y_test = train_test_split(X, Y,test_size=0.3)
model=RandomForestRegressor()
model.fit(x_train,y_train)
y_pred=model.predict(x_test)
y_train_p=model.predict(x_train)

print(df1.head())
print(df1.shape)
print('train mae: %.4f' % mean_absolute_error(y_train, y_train_p))
print('test mae: %.4f' % mean_absolute_error(y_test, y_pred))