Baseline根据经赛方的审核，同意放出此Baseline，在此非常感谢赛方的信任。 此Baseline只做了一些有限的特征工程，主要是刻画一个完整的预测流程，助力各位小伙伴对数据有一个简单的认识 * Baseline只取前1000000行数据作为训练 * 由于采用聚合运算，因此最后测试结果相同订单的预测时间相同 * 选取经纬度、速度、方向做简单特征 * 模型采用lightgbm+kf作为模型训练 * 本Baseline旨在完成一个完整的流程，具体特征、label的选择需要其本人自己改进 * 数据放在'data/'文件夹下即可 * 经测试得分176495.2554，误差很大 > 文末附Baseline下载 > 本地cpu运行花费不到5分钟 ### 1. 数据路径 ```python # baseline只用到gps定位数据，即train_gps_path与测试数据 train_gps_path = 'data/train0523.csv' test_data_path = 'data/A_testData0531.csv' ``` ### 2. 取前1000000行数据 ```python # 取前1000000行 debug = True NDATA = 1000000 if debug: train_data = pd.read_csv(train_gps_path,nrows=NDATA,header=None) else: train_data = pd.read_csv(train_gps_path,header=None) ``` ### 3. 预测结果  本人水平有限，有什么好的想法还请在评论区讨论! ### 2020/06/15更改 很抱歉，模型参数设置有误，导致模型训练出现问题，文件现已更正 * 在参数列增加```'metric':'mse'```即可，同时删除lightgbm内部eval参数。 * 因为是baseline，所以模型效果可能很差，建议配合进行数据清理后再跑效果会好点 * 效果可能比原baseline更差，因为“认真”训练了。