上一篇中介紹了以爲熱心參賽者的代碼和流程。這篇將記錄自己的策略更新過程。
一 數據特徵統計分析
幾個主要的點：
（1）各類行爲與轉化（購買）之間的關聯關係，包括瀏覽、加入購物車、關注
（2）已購商品的復購率
（3）性別與商品的關聯程度
二 特徵提取
包括用戶特徵，商品特徵，和用戶歷史行爲特徵
三 模型構建
1、商品候選集確認 - 用戶&相關商品，不應該是整個商品集；可能使用到關聯分析，協同過濾
2、模型選擇 - 分類
3、代碼編寫與參數調整
4、效果評估與迭代優化
以下分別按照上面描述進行整理。
二 操作
1、用戶id數據預處理
用戶行爲數據，提供的JData_Action_201602.csv 中的user_id是浮點型，都帶了個.0，直接跟JData_User.csv關聯稍有麻煩，當然主要是看着不爽，所以先把幾個action文件的數據規範化
（1）格式化user_id 【使用awk 命令，gsub函數】
awk '$0 ~ /.0,/ {gsub(".0,", ",", $0); print}' JData_Action_201602.csv > Format_JData_Action_201602.csv
（2）用戶行爲合併
原始數據中，用戶的行爲是每行一條數據，無法形成行爲序列，所以這裏加一步中間數據的處理，便於分析用戶的商品瀏覽到購買的全流程行爲。給的文件字段說明，是'user_id','sku_id','time','model_id','type','cate','brand' 七個字段，但解析的過程中發現，有不少記錄按照逗號分割後，是6個，例如：
266079.0,138778,2016-01-31 23:59:02,,1,8,403
266079.0,138778,2016-01-31 23:59:03,0,6,8,403
200719.0,61226,2016-01-31 23:59:07,,1,8,30
追查後，發現是第一步處理時導致部分空值丟失。。所以重寫編寫了腳本，這裏一併完成user_id的處理在腳本中實現。
（2.1）用戶維度聚合
（2.2）用戶維度，同一個商品的行爲序列再次聚合，一個商品一個元組
（3）正樣本提取
先明確一下正負樣本的定義：
正樣本：有過非購買行爲，且有購買行爲的用戶記錄（針對同一商品）
負樣本：有過瀏覽等行爲，但最終沒有購買行爲的用戶記錄
初步的目標，就是從有非購買行爲，且有購買行爲的用戶中，分析出其中隱藏的規律，並利用這個規律，對其他有行爲的用戶進行購買行爲的預測
上一篇中介紹了以爲熱心參賽者的代碼和流程。這篇將記錄自己的策略更新過程。
一 數據特徵統計分析
幾個主要的點：
（1）各類行爲與轉化（購買）之間的關聯關係，包括瀏覽、加入購物車、關注
（2）已購商品的復購率
（3）性別與商品的關聯程度
二 特徵提取
包括用戶特徵，商品特徵，和用戶歷史行爲特徵
三 模型構建
1、商品候選集確認 - 用戶&相關商品，不應該是整個商品集；可能使用到關聯分析，協同過濾
2、模型選擇 - 分類
3、代碼編寫與參數調整
4、效果評估與迭代優化
以下分別按照上面描述進行整理。
二 操作
1、用戶id數據預處理
用戶行爲數據，提供的JData_Action_201602.csv 中的user_id是浮點型，都帶了個.0，直接跟JData_User.csv關聯稍有麻煩，當然主要是看着不爽，所以先把幾個action文件的數據規範化
（1）格式化user_id 【使用awk 命令，gsub函數】
awk '$0 ~ /.0,/ {gsub(".0,", ",", $0); print}' JData_Action_201602.csv > Format_JData_Action_201602.csv
（2）用戶行爲合併
原始數據中，用戶的行爲是每行一條數據，無法形成行爲序列，所以這裏加一步中間數據的處理，便於分析用戶的商品瀏覽到購買的全流程行爲。給的文件字段說明，是'user_id','sku_id','time','model_id','type','cate','brand' 七個字段，但解析的過程中發現，有不少記錄按照逗號分割後，是6個，例如：
266079.0,138778,2016-01-31 23:59:02,,1,8,403
266079.0,138778,2016-01-31 23:59:03,0,6,8,403
200719.0,61226,2016-01-31 23:59:07,,1,8,30
追查後，發現是第一步處理時導致部分空值丟失。。所以重寫編寫了腳本，這裏一併完成user_id的處理在腳本中實現。
（2.1）用戶維度聚合
（2.2）用戶維度，同一個商品的行爲序列再次聚合，一個商品一個元組
（3）正樣本提取
先明確一下正負樣本的定義：
正樣本：有過非購買行爲，且有購買行爲的用戶記錄（針對同一商品）
負樣本：有過瀏覽等行爲，但最終沒有購買行爲的用戶記錄
初步的目標，就是從有非購買行爲，且有購買行爲的用戶中，分析出其中隱藏的規律，並利用這個規律，對其他有行爲的用戶進行購買行爲的預測