天池离线赛 - 移动推荐算法（二）：基于简单规则的预测

前言：移动推荐算法是阿里天池赛2015年赛题之一，题目以移动电商平台的真实用户-商品行为数据为基础来构建商品推荐模型。该题现已成为新人入门的经典演练对象，博主也希望基于该题场景，加深对机器学习相关知识的理解，积累实践经验。

关于题目回顾与数据初探，可参考：天池离线赛 - 移动推荐算法（一）：题目与数据解析，本文讨论如何运用一个简单的规则来进行预测，主要目的是感受一下天池赛答题评分的过程。

规则提出

根据生活常识，我们很容易想到加购物车的行为behavior_type = 3与最终的购买行为behavior_type = 4强关联，于是我们提出这样一条规则：

在 T 时间内加购物车的用户最终会选择购买、

于是我们的任务变成了确定这个最优参数 T。

数据构建与宏观分析

为了进行分析，我们基于原始数据集构建一个新的数据集：

D_time = {}

D_time数据集中的time_3, time_4对应某个用户商品对[user_id, item_id]下的2种操作（加购物车、购买）的初次时间，缺省值为nan，采用pandas处理数据并做去重处理，生成的新数据，示意如下：

>>> df_time.head(5)
     user_id    item_id               time3               time4
0  100029775  222229697 2014-12-12 15:00:00 2014-12-12 15:00:00
1  100068031  250636264 2014-12-14 00:00:00 2014-12-14 00:00:00
2  100068031  296527651 2014-12-15 07:00:00                 NaT
3  100068031  187577314 2014-12-15 06:00:00                 NaT
4  100068031  150442941 2014-12-18 17:00:00                 NaT
...

剔除数据集中的缺失值样本，得到既有加购物车又有购买的样本数据集事宜如下：

>>> df_time_34.head(5)
      user_id    item_id               time3               time4
0   100029775  222229697 2014-12-12 15:00:00 2014-12-12 15:00:00
1   100068031  250636264 2014-12-14 00:00:00 2014-12-14 00:00:00
6   100076491   28462638 2014-12-02 22:00:00 2014-12-02 22:00:00
10  100097524  234964999 2014-11-30 22:00:00 2014-11-30 22:00:00
11  100097524   95870772 2014-11-30 22:00:00 2014-11-30 22:00:00
...

对数据的time3、time4做差，得到时间差，绘制出“加购物车-购买”时间差分布直方图示意图如下：查看源码 - python

由上图可见，绝大多数记录的“加购物车-购买”时间差在1天以内（这也和我们的生活经验一致），于是我们取参数T = 1 day即最终规则为：

在12月18日加购物车而未购买的用户，最终会选择在12月19日购买。

规则验证

统计出规则中的”用户-商品(属于商品子集)”对（即12月18日加购物车而未购买的样本），导出预测结果示意如下：查看源码 - python

user_id,item_id
100442521,85464552
100442521,169674678
103215328,126238643
103490614,300814663
103490614,79590796
...

将所生成的csv文件tianchi_mobile_recommendation_predict.csv提交，得到评测结果如下：

可以看到，这样一种基于规则的预测方法还是取得了一定的结果。（ps.由于新赛季刚开始，提交结果的人还不多，所以竟rank到了第二名。。。）