Kaggle winner 方案 | Instacart Market Basket Analysis: 2nd place

最新推荐文章于 2024-05-01 20:48:21 发布
最新推荐文章于 2024-05-01 20:48:21 发布
阅读量1.6k 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/G88JmvEHMsJ1kd4v0c/article/details/78987684
版权

今天来看看  Instacart Market Basket Analysis competition 的第二名方案，作者是 Yahoo! JAPAN 的一个数据科学家   Kazuki Onodera (aka ONODERA on Kaggle)

这个比赛是要根据顾客的历史购买记录，预测 Instacart 的消费者将再次购买哪种商品，这样可以在顾客需要这个商品的时候，货源是充足的。

模型：

用 XGBoost  建立两个模型，分别预测

最低0.47元/天 解锁文章
机器学习X计划
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python-KaggleInstacart市场篮子分析
12-17
Python-KaggleInstacart市场篮子分析 orders (3.4m rows, 206k users): order_id: order identifier user_id: customer identifier eval_set: which evaluation set this order belongs in (see SET described below) order_number: the order sequence number for this user (1 = first, n = nth) order_dow: the day of the week the order was placed on order_hour_of_day: the hour of the day the order was placed on days_since_prior: days since the last order, capped at 30 (with NAs for order_number = 1) products (50k rows): product_id: product identifier product_name: name of the product aisle_id: foreign key department_id: foreign key aisles (134 rows): aisle_id: aisle identifier aisle: the name of the aisle deptartments (21 rows): department_id: department identifier department: the name of the department order_products__SET (30m+ rows): order_id: foreign key product_id: foreign key add_to_cart_order: order in which each product was added to cart reordered: 1 if this product has been ordered by this user in the past, 0 otherwise where SET is one of the four following evaluation sets (eval_set in orders): "prior": orders prior to that users most recent order (~3.2m orders) "train": training data supplied to participants (~131k orders) "test": test data reserved for machine learning competitions (~75k orders)
kaggle案例--Instacart Market Basket Analysis
热门推荐
zhouwenyuan1015的博客
08-22 1万+
注： 测试代码主要参考kaggle中Kernels提供的脚本。1.背景kaggle比赛题， 预测Instacart零售公司，用户二次购买产品。 https://www.kaggle.com/c/instacart-market-basket-analysis2. 数据理解1. 数据说明 数据共有300 0000orders， 20 0000users， 50
Pyspark+关联规则 Kaggle购物篮分析案例
最新发布
thorn_r的博客
05-01 1460
零售商期望能够利用过去的零售数据在自己的行业中进行探索，并为客户提供有关商品集的建议，这样就能提高客户参与度、改善客户体验并识别客户行为。本文将通过pyspark对数据进行导入与预处理，进行可视化分析并使用spark自带的机器学习库做关联规则学习，挖掘不同商品之间是否存在关联关系。
Instacart Market Basket Analysis
张先生－您好的博客
06-27 1327
Instacart Market Basket Analysis kaggle赛题链接 数据理解 比赛使用的数据仅包含交易数据，不包含浏览数据。主要由以下几张表构成： 订单表 orders（订单ID，用户ID，所属数据集，该用户的订单序号，订单下单在星期几，订单下单所在小时，距离上一次下单过去的天数）：数据粒度为一个订单事实。其中，所属数据集包含三类：a) 先验集：所有用户在历史一段时间内产生的所有订单；b) 训练集：从所有用户中抽出一部分训练用户，在考察周期内产生的所有订单；c) 测试集：除去训练用户
instacart-market-basket-analysis.zip
07-25
探究：用户对物品类别的喜好细分降维案例需要的.csv数据。products.csv、 order_products__prior.csv、orders.csv、aisles.csv等几个案例需要的数据都包含。
Instacart Market Basket Analysis-数据集
03-29
Instacart 的市场购物篮分析数据集就是这样一个宝贵的资源，它来源于著名的数据竞赛平台 Kaggle，提供了丰富的用户购物行为信息。本文将深入探讨这个数据集的构成及其潜在的知识点。 首先，我们来看这个数据集包含...
Instacart-Market-Basket-Analysis:基于Kaggle问题的端到端案例研究
04-05
在这个项目中，我们将尝试解决Kaggle的Instacart市场篮子分析问题。 要了解有关此方法的更多信息，请参阅我的中等博客文章， 第1部分： ： 第2部分： ： 第3部分： ： 资料档案 该项目中使用的所有文件都是...
Market_Basket_Analysis:使用kaggle数据集的MBA
04-05
市场篮子分析（Market Basket Analysis，MBA）是一种在数据挖掘领域广泛应用的技术，主要用于发现顾客购物行为中的关联规则。这种技术常被零售商用于理解顾客购买商品之间的关联性，以优化商品布局、制定促销策略或...
Instacart-Market-Basket-Analysis
04-03
在这场Kaggle竞赛中，Instacart将其匿名数据提供给机器学习从业者，以期寻求最佳的机器学习模型来分析客户的重新订购模式，并根据其先前的购物数据预测客户可以重新订购的产品。 业务问题： 杂货涉及日常必需品，...
Instacart_Market_Basket_Data_Analysis：有机产品购买行为的Instacart用户市场购物篮分析
02-16
Instacart市场篮子分析 抽象的 Instacart已成为北美领先的杂货配送平台，并且由于COVID-19，其增长正在Swift加速。 鉴于在线杂货店购物的增加以及作为狂热的美食爱好者，我们希望了解人们订购的商品以及他们的行为有...
Instacart Market Basket Analysis Instacart市场篮子分析-数据集
03-04
无论您是从精心计划的杂货店购物，还是任由幻想来指导您的放牧，我们独特的饮食习惯都可以定义我们是谁。Instacart是杂货店订购和交付应用程序，旨在使您在需要时轻松用个人收藏夹和订书钉装满冰箱和食品储藏室。通过Instacart应用程序选择产品后，个人购物者会查看您的订单并为您进行店内购物和送货。 Instacart的数据科学团队在提供这种令人愉快的购物体验中发挥了重要作用。当前，他们使用交易数据来开发模型，以预测用户将再次购买，首次尝试或在会话期间将其添加到购物车中的哪些产品。 Instacart Market Basket Analysis_datasets.txt
Instacart Market Basket Analysis项目数据集-附件资源
03-05
Instacart Market Basket Analysis项目数据集-附件资源
instacart_recommendation_system：Instacart的推荐系统（kaggle）。 课程项目
02-10
instacart_recommendation_system Instacart推荐系统（kaggle）。 课程项目 任务和数据在此处表示： : 在文件“Skillbox_диплом_по_рекомендательным_системам（6）”中，有一个基于逻辑回归的代码。 关于kaggle的提交：私人分数= 0.21805，公共分数= 0.21970。 在文件“Skillbox_диплом_по_рекомендательным_системам_NN”中，有一个基于神经网络的代码。 关于kaggle的提交：私人分数= 0.27361，公开分数= 0.27399。
数据挖掘实验分析常用数据集
04-16
这是在数据挖掘研究领域，实验时经常用到的数据集，希望对大家有用
kaggle竞赛-Instacart Market Basket Analysis(推荐)-初探
MATLAB678的博客
12-25 2296
竞赛网址 参考代码 1.1赛题背景： 1.2数据集详情： aisle.csv 产品摆放位置说明 - 包含了aisle_id和aisle两列数据 departments.csv 产品所属类别 - 包含了department_id和department两列数据 products.csv 产品详情说明 - 包含product_id、product_name、aisle_id、department...
python购物篮分析_关联规则-购物篮分析（basket analysis）
weixin_36070998的博客
01-13 1548
数据集：网上下载的公共数据环境：Python3.5实现：找到了C1 L1 C2 L2存在的不足：只能找到指定长度候选K项级和频繁K项级，没有实现找到存在的所有K项级，但实现原理相同数据格式如下：9900000988 07004 水晶梨 19900000989 03001 300g壶瓶枣 19900000989 03002 484g壶瓶枣 19900000989 03004 ...
市场购物篮分析 Market Basket Analysis
u014572697的专栏
04-06 4487
购物篮分析最主要的目的在于找出什么样的东西应该放在一起？商业上的应用在藉由顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品，找出相关的联想（association）规则，企业藉由这些规则的挖掘获得利益与建立竞争优势。 举例来说，零售店可藉由此分析改变置物架上的商品排列或是设计吸引客户的商业套餐等等。 购物篮分析基本运作过程包含下列三点： （1）选择正确的品项：这里所
[] - 2022-05-15 称霸Kaggle的九大深度学习炼丹技巧.pdf
12-11
"这篇文档是关于在Kaggle竞赛中运用深度学习技术的九大技巧，由SamuelLynn-Evans@QbitAI撰写。主要针对想要在Kaggle竞赛中提升成绩的深度学习初学者，内容涵盖如何利用多学习率、基于预训练模型进行微调等策略。" ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值