天池商铺定位数据挖掘竞赛思路总结

天池数据挖掘竞赛是国内数据挖掘圈是很正规，规模很大，组织很好的竞赛平台。作为在读的一名数据挖掘小白，怀着当炮灰的念头，毅然决然的参加了这次竞赛。

赛题在这里就不详细描述，有兴趣的朋友可以去天池搜索，商铺定位比赛。主要是告诉你用户去逛商场的时候，手机会搜到wifi热点，通过给你wifi列表，用户交易时经纬度，交易时间，店铺经纬度，店铺类型，店铺价格和商场名称等信息，让你去预测该用户再次发生交易时，位于哪家店铺。训练集给出了2017年8月一整月的数据，让你去预测2017年9月前两周的商铺定位情况。

数据挖掘竞赛有一个基本的流程，首先对问题进行分析，然后进行数据预处理，然后继续进行传说中最厉害的特征工程，最后利用模型去对目标问题进行分析预测，得到结果。有些朋友的博客也分析的比较清楚，这里就不赘述了。在这里主要给出题目的分析思路和自己操作的结果

在比赛的开始阶段，可以很明显的想到wifi是能够确定店铺的关键因素。后续的事实也证明了wifi的重要性。起初我们在做规则学习，利用wifi的强度构造了wifi距离，也就是在训练集中，对每一个样本的wifi序列出现的强度值求均值，然后利用测试样本中每一个样本的wifi序列和训练样本中wifi序列中的交集部分求欧式距离，最终取距离最近的店铺作为预测结果。起初这样做，效果很差，正确率只有0.16。

后来发现会出现有两个训练样本和一个测试样本算距离，一个交集个数为4，一个交集个数为3，但是按照交集个数的算了相应wifi的距离后是4（假设每个wifi距离为1）和3，我们的思路会将测试样本的答案分配给交集个数为3的店铺，但这与实际不相符合，一般来说交集个