2023美賽春季賽Y題完整原創(chuàng)內容 數據代碼思路 加賽二手帆船

果殼醬

登錄/注冊后可看大圖

數據如下：

登錄/注冊后可看大圖

思路如下：
先來看第一問。首先我們要明確，這種數據分析類的題目，無非就是分類、回歸、聚類、異常檢測這幾種，這題很明顯屬于回歸。接下來我們就要確定回歸模型的輸入和輸出，輸入就是我們說的自變量，輸出就是因變量。
我們來觀察一下附件，注意附件有兩個子表，對應兩種類型的帆船，也就是說我們要建立至少兩個模型。為什么說是至少兩個，因為你也可以針對每個地區(qū)各建一個模型。當然這些模型的原理都是一樣的。像品牌、型號、長度、年份、地區(qū)這些特征，就屬于模型輸入，價格就是模型輸出。要是你覺得附件提供的特征不夠，題干也說了，可以自己去找其他的特征。
接下來說說建模具體需要做哪些工作。我們已經確定了這一問是一個回歸問題，回歸問題的基本步驟是很明確的：
編碼->降維->回歸
無非就是這三步?？赡苡型瑢W問怎么沒說數據清理，這里我們不分那么細，像歸一化、數據清理這些所謂的預處理過程，都算在編碼里面，這些是你在編碼的時候要考慮的事情。
編碼具體怎么做呢？也很簡單，對品牌型號這種離散特征我們就用one-hot編碼，對長度、年份這些連續(xù)特征我們做個歸一化就行。像地區(qū)這樣的特征，既可以當作離散特征做one-hot編碼，也可以將其轉化為經緯度，轉化為經緯度就相當于是連續(xù)特征，這題必須用多個連續(xù)特征來表示地區(qū)，不然后面第三問沒法做。
下一步就是降維，這里沒啥好說的，直接主成分分析。
最后是做回歸。常見的回歸模型，無非就是多項式模型和樹模型，這里建議用多項式模型，因為樹模型相當于一個黑盒，你沒法知道每項特征的具體權重。第一問的題干要求我們explains the listing price，你用樹模型就沒法explain了。
下面看第二問。第二問分為兩部分，首先是討論地區(qū)是否對價格有影響，這一問直接用第一問的結果就行，我們根據地區(qū)這一特征的權重就知道是夠對價格有影響，以及有怎樣的影響。
接下來要討論對于不同型號的帆船，地區(qū)的的影響是否相同。這里我們針對不同型號的帆船分別建回歸模型，再觀察在這些回歸模型中，地區(qū)的權重是否相同。
當然，這里帆船型號太多了，我們不用對每種型號進行建模，只要對樣本多的幾種帆船建模就行。
再說下第三問。第三問首先要找數據，因為題目是沒給香港地區(qū)的價格數據的，我們要自己找。找到價格后套用第一問得到的回歸模型，地區(qū)特征帶入香港，來看看用回歸模型預測的價格與實際的價格是否一致，一致就說明我們給出用來表達地區(qū)的特征是useful的。
第三問后半段問的是香港對雙體船和單體船價格的區(qū)域效應是否一致，這題本質上問的是地區(qū)對雙體船和單體船價格的影響是否一致。我們觀察針對雙體船和單體船的回歸模型中地區(qū)特征的權重是否相同就可以。
四五兩問是開放性問題，我們針對一些特征的權重做些說明就可以了。

代碼如下:
# -*- coding: utf-8 -*-
# TODO: 打開excel文件并獲取數據
import xlrd

class Data:
    """
    數據類
    """
def __init__(self):
        # 讀表
        workbook = xlrd.open_workbook('y_data.xlsx')  # 打開excel文件
        self.worksheet = workbook.sheet_by_index(0)  # 讀第一個sheet
        self.rows = self.worksheet.nrows - 1  # 數據行數
        # 獲取自變量
        self.year_list = []  # 年份列表
        self.beam_list = []  # 船寬列表
        self.draft_list = []  # 吃水深度列表
        self.displacement_list = []  # 排水量列表
        self.sailarea_list = []  # 帆面積列表
        self.length_list = []  # 船長列表
        self.gdp_list = []  # GDP列表
        self.pergdp_list = []  # 人均GDP列表
        # 獲取因變量
        self.price_list = []  # 價格列表

    def get_year(self):
        """
        獲取年份列表
        """
self.year_list = self.worksheet.col_values(1, 1,)

    def get_beam(self):
        """
        獲取船寬列表
        """
self.beam_list = self.worksheet.col_values(2, 1,)

    def get_draft(self):
        """
        獲取吃水深度列表
        """
self.draft_list = self.worksheet.col_values(3, 1,)

    def get_displacement(self):
        """
        獲取排水量列表
        """
self.displacement_list = self.worksheet.col_values(4, 1,)

    def get_sailarea(self):
        """
        獲取帆面積列表
        """
self.sailarea_list = self.worksheet.col_values(5, 1,)

    def get_length(self):
        """
        獲取船長列表
        """
self.length_list = self.worksheet.col_values(6, 1,)

    def get_gdp(self):
        """
        獲取gdp列表
        """
self.gdp_list = self.worksheet.col_values(7, 1,)

    def get_pergdp(self):
        """
        獲取人均gdp列表
        """
self.pergdp_list = self.worksheet.col_values(8, 1,)

    def get_price(self):
        """
        獲取價格列表
        """
self.price_list = self.worksheet.col_values(9, 1,)

    def get_all(self):
        """
        獲取所有數據
        """
self.get_year()
        self.get_beam()
        self.get_draft()
        self.get_displacement()
        self.get_sailarea()
        self.get_length()
        self.get_gdp()
        self.get_pergdp()
        self.get_price()


-----------------------------

普羅旺斯

有償就數據