阿里天池數(shù)據(jù)挖掘之特征工程

1、特征工程第一， 對于重復(fù)購買的U-I周期統(tǒng)計步驟：1，從1200W數(shù)據(jù)中清洗以（user_id,item_id,time）為主碼的組合，篩選出type=4的項，然后刪除重復(fù)項（此步驟的目的是刪除在同一天里面多次購買的U-I組合）2，對上面清洗過的數(shù)據(jù)進行統(tǒng)計，統(tǒng)計以（user_id,item_id）為主碼的組合數(shù)（比如count?）,若統(tǒng)計數(shù)據(jù)大于等于2，就說明這一UI組合在30天內(nèi)存在重復(fù)購買可能。3，對同一UI值的不同time求相鄰項差值，并且求差值的平均值，即可求出相應(yīng)的UI的重復(fù)購買周期。4，對購買周期相同的UI組合求并集，并以“UI購買周期n天”命名。5，用UI購買周期進行預(yù)測，例如

2、用并集“UI購買周期3天”預(yù)測12月18號的情況，則可以將這個集合與12月15號左右的購買行為集合進行交集，即得出18號可能購買的一部分UI行為。第二，對于雙十二的處理步驟：1，首先，我們這里假設(shè)雙十二會出現(xiàn)一部分UI是僅當(dāng)進行大促銷大降價才會出現(xiàn)的購買組合（例如奢侈品）2，因此，我們將雙十二的UI購買行為抽出來，與這個月內(nèi)其他天的UI組合求并集，并命名為“非特殊UI”。3，再用雙十二的UI購買行為與“非特殊UI”進行差集，并命名為“特殊UI”，于是我們默認這個子集里面的UI組合不會再在12月19號里面出現(xiàn)（因為特殊商品只有在特殊日子才會產(chǎn)生購買行為）4，同理，考慮到有些人只會在大促銷的時候進

3、行購買、以及有些商品只會在大促銷的時候被購買，因此同時也對雙十二里面的U和I分別做步驟2和3里面的分析。以得出“特殊U”和“特殊I”第三，對于感恩節(jié)，周末等日子的處理 這些日子都與第二點中雙十二有一定的聯(lián)系，我覺得我們同樣可以對他們進行統(tǒng)計，統(tǒng)計出在一周不同的日子里面購買行為的不同（例如在周末有可能進行更多的吃飯以及娛樂活動，因此也可以特別對待）第四，我們猜想，由于現(xiàn)在的的商品是服務(wù)類型居多，因此可能用戶的收藏和購買兩個行為之間會有比較大的相關(guān)性，于是挑選了12月12-18號，同時具有收藏和購買兩個行為的UI進行提交，看看它們的準確率1 品牌特征1.1 基本統(tǒng)計類特征A.

4、銷量（分隔日期前3、7、15、30、124天，以下特征基本都是這么個周期，如無特別說明，談?wù)摰母鱾€指標均有特定周期）B. 成交訂單數(shù)（以同一天同一用戶為一個訂單）C. 購買人數(shù)（周期內(nèi)經(jīng)過去重的購買人數(shù)）D. 上面的3類特征分別再針對點擊、收藏、購物車等操作進行統(tǒng)計。2.2 轉(zhuǎn)化率類特征A銷量/點擊數(shù)B成交訂單數(shù)/點擊訂單數(shù)C購買人數(shù)/訪問人數(shù)（這里考慮到部分點擊數(shù)據(jù)丟失，就沒以點擊人數(shù)為分母了）D上面的3類特征分別再針對收藏、購物車等操作進行統(tǒng)計2.3 比值類特征A返客率（某一周期內(nèi)多次購買的用戶數(shù)/總購買用戶數(shù)）B老客戶率（3天【或其他周期7、15、30】前曾購買過且在前3天內(nèi)再次購買的用戶數(shù)/3天內(nèi)總購買用戶數(shù)）分別再針對收藏、購物車、點擊等操作構(gòu)建上述2個特征。P.S.：這里返客率和老客戶率均不含124這個周期。C跳出率（周期內(nèi)只對品牌進行過1次點擊操作的用戶數(shù)/總用戶數(shù)）D活躍度（周期內(nèi)有3次及以上點擊的用戶數(shù)/總用戶數(shù)）E人均點擊數(shù)、人均購買量、人均收藏量、人均購