用户特征分析和行为预测

摘要

本文主要分析Airbnb用户的特征属性，并对新用户的民宿预订结果进行预测。包括了数据探索、特征工程和建模预测的整个过程。

其中：

1.探索数据部分主要基于pandas库，利用常见函数和matplotlib绘图进行数据分析和探索

2.特征工程部分主要通过从时间中提取年、月、日、季节、weekday，对年龄进行分段，并通过one_hot对数据进行编码来提取特征

3.构建模型部分主要基于sklearn包建立逻辑回归模型Logistic Regression

1.背景

Airbnb的新用户可以在190多个国家的34,000多个城市预订住宿地点。 通过准确预测新用户预订首次旅行体验的位置，Airbnb可以分享更多个性化内容，减少首次预订的平均时间，并更好地预测需求 

 

2.数据描述

总共包含3个csv文件,涉及27万用户多达1千万条数据

1. train_users_2.csv -（训练数据） 
2. test_users.csv -（测试数据）
- id:（用户id） 
- date_account_created（帐号注册时间）
- timestamp_first_active（首次活跃时间）
- date_first_booking（首次订房时间）
- gender（性别） 
- age（年龄） 
- signup_method（注册方式） 
- signup_flow（注册页面）
- language（语言）
- affiliate_channel（付费市场渠道）
- affiliate_provider（付费市场渠道名称）
- first_affiliate_tracked（注册前第一个接触的市场渠道）
- signup_app（注册app） 
- first_device_type(设备类型) 
- first_browser（浏览器类型） 
- country_destination（订房国家-需要预测的量）
3. sessions.csv -（网页浏览数据） 
- user_id（用户id）
- action(用户行为) 
- action_type（用户行为类型） 
- action_detail（用户行为具体） 
- device_type（设备类型） 
- secs_elapsed（停留时长）

3.数据探索

3.1读取数据

导入包

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import datetime 
import sklearn
%matplotlib inline

读取数据

train=pd.read_csv('train_users_2.csv')
test=pd.read_csv('test_users.csv')