【竞赛】商场中精确定位用户所在店铺(初赛)

竞赛首页
https://tianchi.aliyun.com/competition/introduction.htm?raceId=231620
本文地址
http://www.jianshu.com/p/a9c8fc185cb6

复赛的全队躺尸状态没人整理、、、这里主要是初赛部分,个人前期的一些思路，且做备份。。。有空再完善吧。。。有空吧。。。

1.题目概述

场景目的：商场+支付宝口碑，当用户在商场逛街时，定位其所在店铺，在其付费前推送相关优惠券，使其享受优惠/促进消费，提高用户体验。
定位根据：当用户使用支付宝付费时，后台采集了此时手机的状态（用户ID、时间、GPS定位、wifi信号强度及连接）、被扫码的商店的信息（商店ID、商场ID、商店消费水平、商店位置）。这样有了当手机此状态下，在此商店附近

2.分析与思考

1.问题的目标是定位到商店，所能使用的信息是在店时的wifi状态、GPS状态，及其他的一些人、店、时间信息。
2.GPS信号存在异常值，不同商店的GPS重叠严重，但除异常值外也可以呈现出聚集状态，有些商场甚至可以呈现清晰轮廓。
3.WIFI信号最为关键，但wifi信号也常常不稳定，如：(wifi搜索缺失)同一个商店并不总能搜到那个wifi，即使是个很强的wifi或连接过的wifi；(wifi强度稳定性)同一个商店对同一个wifi的强度浮动。但相对表达来说wifi最强势。
4.WIFI信息的提取可以考虑两个方面，一个是wifi序列的方面，即检索到的wifi都纳入特征提取；一个是特征wifi方面，如top1的wifi、最稳定的wifi等。
5.GPS信息的提取以KNN聚类、距离的计算为主。
6.时间信息的提取以热度、周期为主。

3.多分类

传统的wifi室内定位方法有三角定位、wifi指纹识别等。适合本题即为wifi指纹识别法(http://www.cnblogs.com/rubbninja/p/6120964.html)，即多分类的方法，但其通常采用KNN模型及其变形，且每个定位点综合为一套wifi指纹，与传统指纹识别不同的是，本例中手机采集wifi信息时，手机信号不一致、wifi类型不一致、人所在的位置范围也不定点。
所以，在本题中，采用麦芽的香气开源的方案即可，一方面采用全部数据可以解决每个定位点(shop)一套指纹的不准确，另一方面采用xgb等模型比KNN好太多、、、

wifi指纹识别

4.二分类

二分类的选择理由在于，多分类的缺点：一个商场就要训练一个模型；shop被作为标签后，无法对shop进行信息的挖掘....（应该还有，反正就这么说服自己了、、）但多分类融合二分类效果奇佳
二分类的构建思路如图，以row_id和shop_id为key，进行特征工程模型训练预测后得到了row-shop的概率，取row中概率最高的作为预测的shop。
在构建负样本是，全集则是商场其他商店为负样本，通常采用一定的规则(日后可做特征)缩减负样本比例，提高正样本的覆盖率。我选择的是对训练集和测试集保持一致的方法作候选集。
特征的构建也是从以上分析中的角度进行思考，常规的计数、比例、排序、组合以及二分类特有的组内。

据drop-out所开源，采用规则后对负样本进行随机采样，保留所有正样本也可达到同样效果且数据量更小

二分类示意图(概率应/100)

5.候选与特征

5.1 候选

wifi 计数top历史、GeoKNN聚类、类LCS规则(其中一条归一化用了测试集数据，复赛废除了)

5.2 特征

1.第N强wifi作为【前M强wifi】与店铺交互次数与平均强度和排序
2.连接wifi与店铺的【连接】/【交互】次数与平均强度
3.类LCS系列，体现wifi序列信息，主要是对相关特征做加权来综合，如wifi强度rank，历史bs强度、计数、rank，强度差及归一化等
4.热度，主要是hour-shop/cate
5.组内比例【组内的作用是平衡不同row之间的差异】
6.强度差强度差的绝对值均值方差等
7.位置相关

6.可视化

用QGIS做的可视化，其实并没有从中看出什么厉害的东西，加深理解吧就算是。
黑色的是商店坐标，可见其偏的很任性。。。同色的是同一个shop的。此商场属于轮廓很清晰的了。
我感觉像“商业街”，不过也有大佬说就是商场内，还是傻傻分不清楚。

m_7168

http://www.jianshu.com/p/25ae219369b8