天池O2O比赛数据分析

天池O2O比赛数据分析"/>

天池O2O比赛数据分析

提供用户在2016年1月1日至2016年6月30日之间真实线上线下消费行为，预测用户在2016年7月领取优惠券后15天以内的使用情况。 

一、总体分析

dfoff = pd.read_csv('data/ccf_offline_stage1_train.csv')
dfon = pd.read_csv('data/ccf_online_stage1_train.csv')
dftest = pd.read_csv('data/ccf_offline_stage1_test_revised.csv')

print('有优惠卷，购买商品：%d' % dfoff[(dfoff['Date_received'].notnull()) & (dfoff['Date'].notnull())].shape[0])
print('有优惠卷，未购商品：%d' % dfoff[(dfoff['Date_received'].notnull()) & (dfoff['Date'].isnull())].shape[0])
print('无优惠卷，购买商品：%d' % dfoff[(dfoff['Date_received'].isnull()) & (dfoff['Date'].notnull())].shape[0])
print('无优惠卷，未购商品：%d' % dfoff[(dfoff['Date_received'].isnull()) & (dfoff['Date'].isnull())].shape[0])

结果如下：

有优惠卷，购买商品：75382
有优惠卷，未购商品：977900
无优惠卷，购买商品：701602
无优惠卷，未购商品：0

可见，很多人（701602）购买商品却没有使用优惠券，也有很多人（977900）有优惠券但却没有使用

二、数据集划分：

       预测未来N天的流量（人流，销售等），预测未来N天内的用户-对象对（用户-商品等）的问题等，可以利用滑窗法解决。题目描述为预测未来N天的息，其中N的取值为大于等于1。基本诸如此种问题，题目会给出前X天的详细信息。这样，我们就知道，其完整的数据为 X+N 的形式，其中 N 是需要我们预测的部分，其真实值未知。

       需要在 X 中构造出与 X+N 格式一致的样本，这种情况下，切分X为两个部分，[X-M,M]，其中M=N的长度。这样，就拥有了带有标签的数据，其中M是我们线下预测的部分其本质是符合线上的N的部分，而X-M类似于在[X,N]中的X部分。普遍在代码实现时，在[X-M,M]区间中，我们会首先提取M中的真实值Y和唯一标识ID，之后再X-M中不停的统