阿里巴巴大数据竞赛(http://102.alibaba.com/competition/addDiscovery/index.htm )
提供的原始文件有大约4M左右,涉及1千多天猫用户,几千个天猫品牌,总共10万多条的行为记录。
用户4种行为类型(Type)对应代码分别为:
点击:0
购买:1
收藏:2
购物车:3
参赛者将预测的用户存入文本文件中,格式如下:
user_id \t brand_id , brand_id , brand_id \n
上传的结果文件名字不限(20字以内),文件必须为txt格式。
真实购买记录一共有3526条
-
注意调整正负样本比例
-
在LR的基础上做RawLR。按照天猫内部的思路来。
-
在LR的基础上做MRLR,样本提取要更加合理。
-
在UserCF和ItemCF上加上时间因子的影响。
-
利用UserCF做好的用户聚类、ItemCF做好的品牌聚类来做细化的LR,或者在聚类 上做LFM
-
在ItemCF的思路上挖掘频繁项集/购买模式,如购买品牌A和商品后往往会购买 品牌B的商品
-
LFM
- 某一商品在购买前的一段时间内会出现大量点击次数,购买完成后的一段时间内也会出现大量点击次数
- 用户在本月有过行为的商品极少出现在下个月的购买列表里
- 根据观察推断:用户浏览商品的行为可分为两类:
- 无目的浏览,可能会在浏览过程中对某些中意的商品进行购买,数据表现为有大量点击次数<=2的行为记录,但很少有购买行为
- 有目的的查找商品,可能是事先有需求的情况,数据表现为一段时间内点击商品数很少, 但点击过的商品大多数都进行了购买
See https://www.google.com.hk/search?q=data+mining+time+series&ie=utf-8&oe=utf-8&aq=t for more.
Chapter 1 MINING TIME SERIES DATA - ResearchGate
LR(model=LinearSVC(C=10, loss='l1'), alpha=0.7, degree=1)
| TOTAL VISITED BOUGHT FAVO CART NEW
| Pred # 1438 1436 626 71 12
| % 100% 99.861% 43.533% 4.937% 0.834%
| Real # 1311 250 89 10 1
| % 100% 19.069% 6.789% 0.763% 0.076%
Hit # 76
Precision 5.285118%
Recall 5.797101%
F1 Score 5.529283%
LR(model=LogisticRegression(penalty='l1'), alpha=0.7, degree=1)
| TOTAL VISITED BOUGHT FAVO CART NEW
| Pred # 1472 1470 615 68 14
| % 100% 99.864% 41.780% 4.620% 0.951%
| Real # 1311 250 89 10 1
| % 100% 19.069% 6.789% 0.763% 0.076%
Hit # 74
Precision 5.027174%
Recall 5.644546%
F1 Score 5.318002%
这个模型在数据变成2次后,Precision ~ 16%,同时F1 ~ 3%
LR(model=Perceptron(penalty='l1'), alpha=0.7, degree=1)
| TOTAL VISITED BOUGHT FAVO CART NEW
| Pred # 3145 3140 1023 130 26
| % 100% 99.841% 32.528% 4.134% 0.827%
| Real # 1311 250 89 10 1
| % 100% 19.069% 6.789% 0.763% 0.076%
Hit # 113
Precision 3.593005%
Recall 8.619375%
F1 Score 5.071813%
LR(model=PassiveAggressiveClassifier(C=1, loss='hinge'), alpha=0.7, degree=1)
| TOTAL VISITED BOUGHT FAVO CART NEW
| Pred # 2608 2603 823 119 22
| % 100% 99.808% 31.557% 4.563% 0.844%
| Real # 1311 250 89 10 1
| % 100% 19.069% 6.789% 0.763% 0.076%
Hit # 98
Precision 3.757669%
Recall 7.475210%
F1 Score 5.001276%
model2, PassiveAggressiveClassifier(C=1, loss='squared_hinge')
| TOTAL VISITED BOUGHT FAVO CART NEW
| Pred # 5172 5161 1408 203 29
| % 100% 99.787% 27.224% 3.925% 0.561%
| Real # 1311 250 89 10 1
| % 100% 19.069% 6.789% 0.763% 0.076%
Hit # 129
Precision 2.494200%
Recall 9.839817%
F1 Score 3.979639%