最近进一步开展天池大赛，也是我们 ShoelessCai 网站工作的一部分。点击阅读《天池大赛，天猫复购模型雏形初探》

先介绍一下背景，自己原来在客户那边工作的时候，强哥（研究生同学）提示，用“天池大赛”来衡量自己的建模能力。

笔者提交了两次结果：

第一，工业大数据，排名 1700+，Top13%;

第二，天猫复购率 1718名，Top18%。

上述工作，收乐财会进一步构思，提升指标的方式。



有一个结论很确定，即就天猫复购率而言，基于对业务的理解，已经尽可能地制作特征了。综合硬件资源、建模者对业务的充分理解，制作特征67个，建模数据300多万，监督模型。

本篇主要目的是介绍数据集基本情况，一些初步的聚合，可以由读者自行开展。

1. 数据集怎么使用？ 四个数据表是最关键的， train_format2, test_format2, user_info_format1, user_log_format1。

2. 四张数据表的范畴是一致的，涵盖用户 424170 个，涵盖商户 4995 个。主键 user_id + merchant_id 共有数据703 万个样本 。主键 user_id + merchant_id + time_stamp 5492.5 万个样本。 user_log 是结构化数据。



3. 简单聚合，查看大致人群分布。例如，天猫双11非常吸引年龄段 3-4 的人群，女性消费者，占据 2/3。



4. 考虑时间序列。例如，天猫双11 能够吸引到的用户，其与商户的交互次数，达到一定次数之后，就会收敛到某个常数值。