天猫复购预测.md

天猫复购预测

数据处理

数据集示例（sample_submission）：

user_id	merchant_id	prob

用户行为日志（user_log_format1）：

user_id	item_id	cat_id	seller_id	brand_id	time_stamp	action_type
购物者的唯一ID编码	商品的唯一编码	商品所属品类的唯一编码	商家的唯一ID编码	商品品牌的唯一编码	购买时间（格式：mmdd）	包含{0, 1, 2, 3}，0表示单击，1表示添加到购物车，2表示购买，3表示添加到收藏夹

用户画像（user_info_format1）：

user_id	age_range	gender
购物者的唯一ID编码	用户年龄范围。	用户性别。0表示女性，1表示男性，2和NULL表示未知

train_format1：

user_id	merchant_id	label
购物者的唯一ID编码	商家的唯一ID编码	包含{0, 1}，1表示重复买家，0表示非重复买家。

test_format1：

user_id	merchant_id	prob
购物者的唯一ID编码	商家的唯一ID编码	测试集这一部分需要预测，因此为空。

test_format2：

user_id	age_range	gender	merchant_id	label	activity_log
		0/1/2		-1/（缺失）

train_format2：

user_id	age_range	gender	merchant_id	label	activity_log
购物者的唯一ID编码	用户年龄范围。	用户性别。0表示女性，1表示男性，2和NULL表示未知	商家的唯一ID编码	取值集合为{0, 1, -1, NULL}。取1表示'userid'是'merchantid'的重复买家，取0则反之。取-1表示'user_id'不是给定商家的新客户，因此不在我们预测范围内，但这些记录可能会提供额外信息。测试集这一部分需要预测，因此为NULL。	{userid, merchantid}之间的每组交易中都记录有itemid, categoryid, brand_id, time，用#分隔。记录不按任何特定顺序排序。

提交要求：

以"prediction.csv"作为文件名提交，提交格式如下：

user_id	merchant_id	prob
购物者的唯一ID编码	商家的唯一ID编码	给定客户是给定商家的重复购买者的概率，取值在[0, 1]

特征构建

见代码，具体体现为把每个特征加到用户行为列表中

工程搭建

直接看我的压缩包，大家如果有改进可以上传到GitHub 上，记住改进只要上传py文件就行，改进的时候记得标注准确率提高到多少，或者说别的理由值得进行版本的迭代。说明自己做的事情，方便最后分工的划分和确认。

关于答题

1.提交功能11月27日零时截止，过期不能提交。

2.各组所有材料仅提交一份，由组长提交。

3.在实验报告中需要列明组员所完成的工作内容和工作站全组工作的百分比。

4.实验报告没有格式要求，达到讲明白实验工作这一目的即可。