一周的时间又到了，这周连上七天班，明后天还有两天。。。心好累。
先说说工作吧，这一周的工作其实不是很多，空闲的时间是比较多的，然而其实也没能完全的利用起来，在时间的使用效率上不是很高，对于工作的事情思考的也比较少，处于一种比较懒惰的状态，没有斗志，混日子，在工作上我认为自己的不足之处就是不够主动，把自己的姿态放的太高了，低不下身子，不能够踏踏实实的，这些东西很重要，没有做好，还是能有一个好的职业习惯吧，毕竟才刚刚开始。
然后期待发工资的日子，然后在发工资的前一天听到大学同学舍友的工资是自己的两三倍的时候，那个酸啊，很有落差，自我感觉比他们的能力强（其实大家都差不多），怎么是这样，不应该啊，只能感叹一句，选择和机遇还是很重要啊。还是好好学习怎么撸代码吧。
到了最兴奋的下班之后的环节，首先还是说说健身吧，哈哈，好消息是我又重了一斤，123斤啦！坏消息是腹肌变的不明显了。。。这周的锻炼次数也是三次，强度一般，不过解锁了一个新的练腿的动作，算是有所收获吧，下一周，增加强度，尤其是在腹肌的刺激上。
最后再说一说学习的事，这周准备开始接触数据挖掘类的比赛了，看懂京东举办的一个比赛看题目感觉是还算比较简单的题目，当然对我而言还是很有挑战难度的，看了题之后也是完全没有思路，借鉴其他类似的比赛思路呗，感觉和天池上优惠券使用预测是很相似的，然后就查看了天池比赛第一名大神的思路和代码，对于如何开始一个项目，下面就是我的总结：
一、定义数据分析目标是什么？
1、熟读题目，结合在实际生活中的使用场景是什么样的，这可以帮助在后续的特征选择起到很大的作用。拿O2O优惠券使用预测来说，这个题是根据之前半年的优惠券的使用数据情况，对未来的15天使用优惠券的概率是多少？
二、数据探索：对样本数据进行审核和加工处理
1.对题目所提供是数据进行观察和查看，优惠券的比赛中有4个表格的数据，表一的内容是用户线下消费和优惠券领取行为，有用户ID；商户ID；优惠券的ID：表示有没有领取优惠券；优惠券的优惠率：是打几折还是满减；用户与商户的距离；领取优惠券的日期；使用优惠券的日期。看到第一个表就很想说，好像知道这些并不能预测15天以后使用概率吧，因为有些特征并不是直接体现在所提供的数据中的，这就涉及到要进行特征的提取了，如何在数据中发现有用的特征。
三、数据的预处理
数据的预处理我的理解就是对数据进行清洗和转换，查看数据有没有缺失值，是否有重复数据，有乱码，错位以及数据是否是在命名格式上有无保持一致性，在实际的的场景中是需要花很大的力气去处理的，在比赛中数据的质量还是比较高的。
四、特征提取
特征提取是我现在认为最重要的一个环节，发现一个高质量的特征对于整个模型的算法是有很大的提升效果的。所以特征提取是非常非常重要的。有一篇文章很好的解释这个大神的关于特征提取的思路https://blog.csdn.net/randompeople/article/details/81808371
以下是我对于这个特征提取的一些思路和收获吧
1.首先是对这些数据进行分类，比如说：用户行为特征线上线下，商户特征，优惠券特征，用户与优惠，用户与商家，商家与优惠券，以及优惠券商家和用户之间的关系等。可以分为这几类、
2.然后分别对每一类进行详细的特征提取，比如用户的线上行为，用户线上操作次数
用户线上点击率
用户线上购买率
用户线上领取率
用户线上不消费次数
用户线上优惠券核销次数
用户线上优惠券核销率
用户线下不消费次数占线上线下总的不消费次数的比重
用户线下的优惠券核销次数占线上线下总的优惠券核销次数的比重
用户线下领取的记录数量占总的记录数量的比重
-------------------------------------------------------------------------------------------------------------------------
以上全是抄录，自己并不能想到这么全的特征，感觉特征的提取和你对业务的理解有很大的关系，对于业务越理解所能想到的特征就会越多，我觉的这是影响预测结果高低最重要的一各部分。
五、模型构建及评估测试
在模型方面，这一周还没有进行很深入的了解，只是知道有一个比赛神器叫做xgb,对于其原理也不是特别了解，对于这个模型我觉得需要话费很大的力气去研究。
这就是我对如何去解决一个问题目前所想到的一个大体 的框架，在真正的细节方面还需要花很大的力气，希望我可以在下周的时间里对可以很快的提高，打一个很好的基础，然后在对特征的提取方面也可以有一个比较深入的了解吧。
下一周是五一，希望我可以充分的利用一下，还有两天放假，坚持住！！！
网友评论