用户新增预测挑战赛：关于baseline的解读和看法

前言

赛题数据由约62万条训练集、20万条测试集数据组成，共包含13个字段。其中uuid为样本唯一标识，eid为访问行为ID，udmap为行为属性，其中的key1到key9表示不同的行为属性，如项目名、项目id等相关字段，common_ts为应用访问记录发生时间（毫秒时间戳），其余字段x1至x8为用户相关的属性，为匿名处理字段。target字段为预测目标，即是否为新增用户。

 1、导入需要用到的相关库

import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeClassifier

其中pandas、numpy均为在数据处理中频繁使用的处理工具，提供了大量能使我们快速便捷地处理数据的函数和方法，它们是使Python成为强大而高效的数据分析环境的重要因素之一。

Sklearn原称是Scikit learn，是机器学习领域中最知名的python模块之一，是基于Python语言的机器学习的工具。他主要建立在NumPy，SciPy，matplotlib之上，提供简单高效，用于数据挖掘，数据分析等的工具。DecisionTreeClassifier即决策树分类器是Sklearn模块中诸多处理分类问题的算法之一，其中每个内部节结点表示在一个属性上的测试，每一个分支代表一个测试输出，每个叶结点代表一种类别。

2、读取训练集和测试集

train_data = pd.read_csv('用户新增预测挑战赛公开数据/train.csv')
test_data = pd.read_csv('用户新增预测挑战赛公开数据/test.csv')

read_csv()函数在pandas中用来读取文件(逗号