题目以及数据介绍
主要就是根据各种信息确定某个user到底是在那个shop中
具体的csv文件
AB榜测试集合:
user训练数据:
mall shop对照表:
初始思想
1.首先 拿过来一看 就是进行特征分析， 这么多特征 先从经纬度考虑….. 毕竟是定位赛题目…..
so 看看经纬度分布的图片
2.想了想这个题目的要求是确定店铺而不是商场，而店铺又独立存在于商场中，所以就分了商场来处理，一共是97个mall：
再来看看经纬度分布图：
额…
其实这里面有很多的点， 都聚集到一块了….
所以刚开始直接用的wifi跑
3.wifi的使用：把一个商场所有的wifi找出来，做成label，每条数据有这个wifi就填写强度，没有就写0，数值处理到0-100之间(忽略0对负数分贝的影响) 然后训练测试的是时候进行PCA
问题：每个mall训练与测试集合wifi个数不同
处理方法：舍去训练集中没有的wifi…..
# 降维模型
PCA(n_components=300, whiten=True)
# 处理模型：
RandomForestClassifier(n_estimators=100, n_jobs=-1, criterion="entropy")具体数据截图：…….好多wifi
结果： 线上a榜86.45% b榜85.70%
中间思想
1. 第一次提交完成 接下来考虑优化了
只能用wifi感觉有点太浪费了，对于模型的选择初始是用svm后来发现太耗时了，改用随机森林开始跑，效果还可以~~~
后来发现时间还没有利用，类别category也没有用，(当时想不用了，因为测试集没有训练集有)
大致利用时间来划分以下类别，然后one_hot一下
[11,15] [16,21] [other]
分成三大类，对应午餐时间，下午茶时间(?_?)，以及晚上凌晨时间
对应 0 1 0 ，1 0 0 ，0 0 1 三类
然后把经纬度加上去， 具体训练数据如下：
# 和上一次模型一样0.0
# 降维模型
PCA(n_components=300, whiten=True)
# 处理模型：
RandomForestClassifier(n_estimators=100, n_jobs=-1, criterion="entropy")由于搞错了时间 这一发没交上…….
所以线下cv测试，
clf = RandomForestClassifier(n_estimators=100, n_jobs=-1, criterion="entropy")
scores = cross_val_score(clf, train_data, train_lable, cv=10, scoring='accuracy')结果：
其他思想
打算换个模型试一下，以及降维的时候只针对wifi降维，不把其他特征降维了。
等赛后看复现赛试一下吧
心得感悟
应该是第一次参加比赛吧，首先处理文件浪费了很多时间，其次就是数据太大，自己电脑跑得慢，所以准备学习一下spark….
以后处理数据的时候尽可能的多处理数据，争取一次提取有用信息然后进行多次优化，因为文件太大处理那么慢很难受啊
模型调参多利用cv来跑，毕竟线上提交资源有限呢。。。。
（已完结）