中国科大派森队初赛代码。 F1>10%

运行god.py可以运行整个流程，并得到一个baseline，即模型0. 默认是开10个进程运行的，机器不给力的慎重！！可以在com.py里面改变量n_process的值。

1. user_action_data_split.py 首先将用户行为数据按照时间分为18号的，和非18号的。 生成user_action_train.csv和user_action_test.csv 。
2. createFeature.py [train|submit] 将第一个文件生成特征文件，如果用多个生成特征文件，最终用merge.py将特征文件融合到feature.merge.csv gen_label_data.py 将第二个文件生成标签文件
3. gen_data.py 将特征和标签文件融合到data.csv中
4. data_sample.py 将data.csv划分为训练data.train.csv和测试文件data.test.csv，其中训练数据对付样本进行下采样。
5. model0.py 模型训练文件，不解释
6. gen_rec_data.py 利用模型和提交数据用的特征进行预测，生成提交文件

summary.py 对已训练模型进行评价

File: data.csv

0 user_id 1 item_id 2 user_action_count 3 user_lastday_count 4 user_buy_count 5 item_click_count 6 item_lastday_count 7 item_buy_count 8 cat_click_count 9 cat_buy_count 10 user_cat_count 11 user_cat_lastday_count 12 user_item_count 13 user_item_lastday_count 14 user_add_car 15 user_add_star 16 item_added_car 17 item_added_start 18 user_item_lasttime 19 cat_add_car 20 cat_add_star 21 usergeo_item_lastday_click 22 usergeo_item_lastday_star 23 usergeo_item_lastday_cart 24 usergeo_item_lastday_buy 25 usergeo_item_before_lastday_click 26 usergeo_item_before_lastday_star 27 usergeo_item_before_lastday_cart 28 usergeo_item_before_lastday_buy 29 geo_users_number 30 user_item_geo_distance 31 user_item_buy 32 user_item_lastweek_click 33 user_item_lastweek_star 34 user_item_lastweek_add_car 35 user_item_lastweek_buy 36 user_item_halfmonth_click 37 user_item_halfmonth_star 38 user_item_halfmonth_add_car 39 user_item_halfmonth_buy 40 user_item_before_halfmonth_click 41 user_item_before_halfmonth_star 42 user_item_before_halfmonth_add_car 43 user_item_before_halfmonth_buy 44 user_cat_lastweek_click 45 user_cat_lastweek_star 46 user_cat_lastweek_add_car 47 user_cat_lastweek_buy 48 user_cat_halfmonth_click 49 user_cat_halfmonth_star 50 user_cat_halfmonth_add_car 51 user_cat_halfmonth_buy 52 user_cat_before_halfmonth_click 53 user_cat_before_halfmonth_star 54 user_cat_before_halfmonth_add_car 55 user_cat_before_halfmonth_buy 56 user_lastday_add_star 57 user_item_lastday_add_star 58 user_cat_lastday_add_star 59 user_lastday_add_cart 60 user_item_lastday_add_cart 61 user_cat_lastday_add_cart 62 user_lastday_buy 63 user_item_lastday_buy 64 user_cat_lastday_buy 65 user_item_click_nobuy 66 user_item_star_nobuy 67 user_item_cart_nobuy 68 user_item_buy_again 69 user_geo_b 70 user_geo_f 71 user_geo_i 72 user_geo_m 73 user_geo_o 74 user_geo_5 75 user_geo_4 76 user_geo_v 77 user_geo_9 78 user_geo_t 79 user_cat_aveThreeDayDelta_click 80 user_cat_aveThreeDayDelta_star 81 user_cat_aveThreeDayDelta_add_car 82 user_cat_aveThreeDayDelta_buy 83 user_item_aveThreeDayDelta_click 84 user_item_aveThreeDayDelta_star 85 user_item_aveThreeDayDelta_add_car 86 user_item_aveThreeDayDelta_buy 87 item_geo_9 88 item_geo_4 89 item_geo_m 90 item_geo_t 91 item_geo_f 92 buy