tianchi_mobile_recommend_train_item.csv tianchi_mobile_recommend_train_user.zip

将以上数据上传到odps，表明分别为

recommend_train_item

recommend_train_user

下载odps和dship，进行sql编写和数据上传下载

竞赛数据包含两个部分。第一部分是用户在商品全集上的移动端行为数据（D）,表名为tianchi_mobile_recommend_train_user，包含如下字段： ##竞赛题目 在真实的业务场景下，我们往往需要对所有商品的一个子集构建个性化推荐模型。在完成这件任务的过程中，我们不仅需要利用用户在这个商品子集上的行为数据，往往还需要利用更丰富的用户行为数据。定义如下的符号：

*U——用户集合

*I——商品全集

*P——商品子集，P ⊆ I

*D——用户对商品全集的行为数据集合

那么我们的目标是利用D来构造U中用户对P中商品的推荐模型。

##数据说明 竞赛数据包含两个部分。第一部分是用户在商品全集上的移动端行为数据（D）,表名为recommend_train_user，包含如下字段：

• 字段 字段说明
• user_id用户标识
• item_id商品标识
• behavior_type 用户对商品的行为类型
• user_geohash 用户位置的空间标识，可以为空
• item_category 商品分类标识
• time 行为时间

第二个部分是商品子集（P）,表名为recommend_train_item，包含如下字段：

• 字段 字段说明
• item_id 商品标识
• item_ geohash 商品位置的空间标识，可以为空
• item_category 商品分类标识

1. 位置信息说明，GEO算法说明，将位置信息补齐。
2. 提取11月18号到12月16号的行为信息，字段包括user_id,item_id,item_category,geo_hash,click,cart,collect，及12月17号的购买记录信息，并进行采样数据平衡
3. 进行建模，LR建模

import pandas as pd
import statsmodels.api as sm  
train = pd.read_csv("sample.csv")
train_cols = train.columns[1:] 
logit = sm.Logit(train['target'], train[train_cols])
result = logit.fit()
combos = pd.read_csv("vectors.csv")
train_cols = combos.columns[2:]
combos['prediction'] = result.predict(combos[train_cols])  

将预测模型进行12月17号的购买记录进行验证，及特征调整。并预测12月18号改天的购买。 提取11月18号到12月18号的行为信息，建立预测模型后，预测12月19号的购买。 将预测情况与recommend_train_item进行内关联。

以上情况，未考虑位置信息。我们有必要先考虑将位置进行分类，后分别进行预测。