阿里的大数据赛题

[buptlee]

阿里最近搞了个大数据竞赛，赛题在这里：
http://102.alibaba.com/competition/addDiscovery/gameTopic.htm
阿里提供了4个月的用户数据，格式是这样的一个EXCEL表：
11158000 5043 0 5月9日
11158000 5043 0 7月22日
11158000 5043 0 7月14日
11158000 5043 0 5月11日
11158000 5043 1 5月5日
第一列是用户ID，第二列是商品品牌ID，第三列是用户行为（0,1，2,3分别代表点击，购买，收藏，购物车）。需要我们预测下个月的用户购买行为，评价标准是准确率和召回率以及两者的调和平均值。
我试了几个方案，发现直接将收藏和购物车作为用户购买行为的依据却是最好的方法，简单粗暴，难道这就是所谓的奥卡姆剃刀？不过，也有可能是我另外的方案设计得不好。
熟悉推荐算法的同学给点建议吧，最好要简单点，实现起来比较方便，代码量在几百行级别最好，毕竟只是个竞赛呢。谢过啦。

[casparchen]

我觉得还是综合几种建模方式的结果比较靠谱。比如
建模1：针对每个品牌，该品牌的不同用户点击/收藏/购买肯定是有规律的
建模2：针对每个用户，该用户对品牌的购买情况是有规律的。
比如以上两种建模方式，1的效果我猜是大于2的，因此可以取｛建模1结果：建模2结果｝＝｛2：1｝

[webjin]

http://gtms02.alicdn.com/tps/i2/T11omZFu0XXXaTF0MH-435-146.png 知道这是什么编辑器吗？那中间的->线是什么弄出来的

[yelite]

@webjin 那个是制表符
编辑器目测是notepad++

[ihacku]

@webjin 这不是notepad++么

[ljcarsenal]

@webjin notepad++吧

[vbs]

这比赛挺好的，可惜只许在校生参加

[sobigfish]

只有报名了才下载的到数据么？

[ericls]

数学建模上吧

[webjin]

@yelite 哦 我也感觉是notepad++ 但是那制表符是怎么弄出来的

[yangff]

看起来像马尔科夫链……假如上个月对品牌A做了操作B导致下个月对品牌C操作D的概率啥的。。

[66beta]

@webjin 觉得是gedit

[66beta]

@66beta gedit无疑
http://static.alanedwardes.com/truth-gedit.png

[delo]

@webjin npp里有个显示所有字符的功能

[Lucius]

@66beta notepad++无疑 而且是默认配色

[ericls]

这就是一个不折不扣的数学建模题啊

[armysheng]

@buptlee 直接将收藏和购物车作为用户购买行为的依据却是最好么？
如果用前三个月做测试，后1个月做校验，按照你说的直接选有收藏和购物车我算的结果是
predict num is 2858
hit num is 185
total brand is 18537
precision is 0.0647305808258
call rate is 0.00998003992016
F1 is 0.0172937602244
F1才1.7%啊？

[buptlee]

@armysheng 要不show me your code？

[armysheng]

@buptlee 额，上面说的好像搞错了。上午改了一下，但是如果纯按是否有收藏和购物车来判的话，F1貌似还是不高啊
predict num is 491
hit num is 2
total brand is 1377
precision is 0.0040733197556
call rate is 0.00145243282498
F1 is 0.00214132762313
判断条件的代码是这样的：
if int(op3[2])|int(op3[3]) |int(op2[2])|int(op2[3])|int(op1[2])|int(op1[3]):
predict_temp.write(uid +"," + bid + "\n")

[armysheng]

@buptlee 方便私底下交流么，没人可以讨论真是尴尬

[lj]

@armysheng 官方论坛里还是蛮多人在讨论的，看了一圈清晰了很多。P.S. 我也觉得2、3效果有限而且毕竟数据量太小，0和1的correlation比2、3的大多了。