由于是购买产品的生命周期的分析，在数据基础的 8 个特征变量之外，还生成了 每天活跃用户数（按日期）、品类1对应活跃用户数、品类2对应活跃用户数、四个变量正交（性别、品类、品类2、季度），以及3个变量内部内生衍生变量（年龄、品类、季度、性别）。

算法选择方面，调取 Python Package，测试了 Linear、Logistic、SVM、Lasso、随机森林、GBDT、XGBoost，以及K邻近算法。

最终我们发现线性模型+L1范式的LASSO，达到 AUC = 0.7296，不过这个数据未必客观。

用户可以点击全文阅读，查看全文，或者查看天池大赛 NoteBook 。



上述模型的 Basic Idea，用户可以 点击该链接 获取原文学习，由加州大学圣克鲁兹分校的几位学者提出。

文章基本想法是，如何向年轻妈妈们有效推荐产品，并且吸引她们购买？这件事得从妈妈们怀孕期开始观察并介入开展产品和服务。从模型的角度，将母婴产品按照妈妈们开启 Matherhood 起，开始分类，分成若干的 Stage。



P{ 用户购买商品j, 年龄为a } = P{ 用户购买商品j } * P{ 年龄为a | 用户购买商品j }


关于购买商品j 的用户的年龄分布，我们假设为正态分布 Pu(a)，因此我们用以下计算结果作为计分：

P(a) = P{ 用户购买商品j } * integrate( P{ a|用户购买商品a } * Pu(a) ) d(a)


上式的 Pu(a)的估计是，采用 GMM（Gaussian Mixture Model）：

P(a,t) = Sigma(i)( W(i) * Normal(u(i), rho(i) ) )


欢迎伙伴们给我们留言及发邮件 Mira_1989@126.com 。