餐厅客流量预测-多表关联+lightgbm

简介：
本项目运用多表关联技术整合多个数据源，并采用LightGBM模型进行训练，以实现对餐厅客流量的精准预测。 几点思考：1. 使用Pandas就像操作SQL语句一样，主要涉及增删改查操作。然而，在处理联表、分组或不同数据类型的操作时会遇到一些技巧（tricks），这些技巧需要在不断的学习与实践中逐步掌握和精进；2. 当特征中包含日期时间型的特性时，可以基于此构造新的时序特征：(1) 是否是周末？(2) 是一个月中的第几天？ (3) 趋势特征 (4) 其他。3. 值得借鉴的代码包括：(1) 数值类型特征异常值检测处理方法；(2) 反映时间趋势特性的指数加权移动平均的方法；(3) 时序特性统计量。4. 不同机器学习算法对特征构造的要求也有所不同，例如KNN算。