引越し業者が時期ごとの最適な人員配置・価格設定を行うためのツールとして、機械学習を利用した受注件数の予測モデルを開発
最終的なモデルは
- 長期的な件数変動のトレンドを捉えるモデル
- 日々の細かい件数の変動を捉えるモデル
2つの基本モデルを組み合わせて構築
予測誤差は平均して±7件程度と高精度であり、引っ越し需要の予測に有用であることが示された
今後本モデルを発展させ、さらなる引っ越し業界の課題解決に役立つことが期待される
※本予測モデルの構築はSIGNATEのコンペ「アップル 引越し需要予測」を題材として行いました
notebooksフォルダ内にEDAやモデル構築に使ったノートブックが配置されていますが、出力は消してあります。
出力を含めたノートブック全体の様子は以下からご確認下さい。
このリポジトリは Python 3.14 での利用を想定しています。
依存管理には uv を利用します。以下の手順で仮想環境の作成と依存ライブラリの同期を行えます。
git clone https://github.com/T0bbuT/signate_apple_hikkosi_analysis.git
cd signate_apple_hikkosi_analysis
# 仮想環境の作成と依存ライブラリの同期
uv sync仮想環境を手動で有効化する場合は、Windows では .venv\Scripts\activate、macOS / Linux では source .venv/bin/activate を使えます。
ノートブックを起動する場合は、必要に応じて uv run jupyter lab や uv run jupyter notebook を利用してください。
その後、コンペサイトからデータをダウンロードし、data\input\に配置して実行しておりました。
※ 2025/08/30現在、コンペは既に開催終了しておりデータへのアクセスは不可能です。