上一篇中介绍了以为热心参赛者的代码和流程。这篇将记录自己的策略更新过程。

一 数据特征统计分析

几个主要的点：

（1）各类行为与转化（购买）之间的关联关系，包括浏览、加入购物车、关注

（2）已购商品的复购率

（3）性别与商品的关联程度

二 特征提取

包括用户特征，商品特征，和用户历史行为特征

三 模型构建

1、商品候选集确认 - 用户&相关商品，不应该是整个商品集；可能使用到关联分析，协同过滤

2、模型选择 - 分类

3、代码编写与参数调整

4、效果评估与迭代优化

以下分别按照上面描述进行整理。

二 操作

1、用户id数据预处理 

用户行为数据，提供的JData_Action_201602.csv 中的user_id是浮点型，都带了个.0，直接跟JData_User.csv关联稍有麻烦，当然主要是看着不爽，所以先把几个action文件的数据规范化

（1）格式化user_id 【使用awk 命令，gsub函数】

awk '$0 ~ /.0,/ {gsub(".0,", ",", $0); print}' JData_Action_201602.csv > Format_JData_Action_201602.csv

（2）用户行为合并

原始数据中，用户的行为是每行一条数据，无法形成行为序列，所以这里加一步中间数据的处理，便于分析用户的商品浏览到购买的全流程行为。给的文件字段说明，是'user_id','sku_id','time','model_id','type','cate','brand' 七个字段，但解析的过程中发现，有不少记录按照逗号分割后，是6个，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

追查后，发现是第一步处理时导致部分空值丢失。。所以重写编写了脚本，这里一并完成user_id的处理在脚本中实现。

（2.1）用户维度聚合

（2.2）用户维度，同一个商品的行为序列再次聚合，一个商品一个元组

（3）正样本提取

先明确一下正负样本的定义：

正样本：有过非购买行为，且有购买行为的用户记录（针对同一商品）

负样本：有过浏览等行为，但最终没有购买行为的用户记录

初步的目标，就是从有非购买行为，且有购买行为的用户中，分析出其中隐藏的规律，并利用这个规律，对其他有行为的用户进行购买行为的预测