youchounobb / ijcai-18-top2-single-mole-solution Goto Github PK

在 cross_feature.py 中，我看线下训练集竟然是以第七天需要预测的样本左连接提取出来的前７天的特征，而且是以 instance_id　连接，难道第七天的 instance_id 还和前面六天的有一样的id 么？不明白这是为什么。
data = add(train,[query, leak, day6_cvr, days7_cvr,
day6_rank, days7_rank, comp, nobuy, trend, full,day6, days7, var
])
data.to_csv('../data/final_base.csv',index=False)
base = pd.read_csv('../data/final_base.csv')
cross=base[['hour48', 'hour', 'user_id','query1','query','is_trade','day','item_category_list',
'instance_id', 'item_property_list', 'context_id', 'context_timestamp', 'predict_category_property']]
features=off_test_split(base)

这里的train 是第七天需要预测的样本，而后面的特征都是以前提取好的前面7天或者第６天的，为啥可以连接起来，传递给off_test_split 线下训练的我想应该是前面７天的样本啊，这里我就不明白了，你传递的是第７天要预测的，而在off_test_split里面又是 data = org[org.is_trade >-1], 这个时候的org 压根都没得 is_trade>-1的样本吧。

难道不是 org 连接，这样后面的做链接才有公共的　instance_id 啊，真的不太明白

data = add(org,[query, leak, day6_cvr, days7_cvr,
day6_rank, days7_rank, comp, nobuy, trend, full,day6, days7, var
])

id 类特征重编码,直接当作特征,树模型深度设置-1,避免了 onehot 大量占用内存空间,实际效果和 onehot 相当。

耀神，请问你经验分享里上面这句话怎么理解，为什么重新编码后就可以达到one hot的效果？

请教一下，为什么类目特征全部使用LabelEncoder？
类似下属ID，并没有大小的关系，在树模型节点划分的时候，没有真实意义？
'shop_id', 'item_id', 'user_id', 'item_brand_id', 'item_city_id', 'user_gender_id'

数据集链接失效，能否给一份新的链接，谢谢！
之前没看到这个比赛，现在官网没办法下载了

你好，最近在学习数据挖掘相关的知识，想学一下您的代码，代码讲解链接失效了，能重新发一份吗

如题，预测的时候，只能拿到当前搜索之前的行为，next系列的特征，预测的时候是怎么使用的？

耀神， user['user_7days_cvr']=(user['user_buy'])/(user['user_cnt']+3)
你这行能直接平滑吗，还是怎么弄的？

pd.merge(data,property_feature(data),on='instance_id',how='left') #拆分属性
这行代码执行完了以后 data里面的 top字段都是: 'top1_x', 'top2_x','top3_x', 'top4_x', 'top5_x', 'top10_x', 'top1_y', 'top2_y', 'top3_y','top4_y', 'top5_y', 'top10_y'],

data=encode(data) 里面获取不到 "top1" 报错