python程序设计与实践大作业实验报告陆阳孙勇裘升明.doc

还剩

28页未读，

继续阅读

下载文档到电脑，马上远离加班熬夜！

亲，很抱歉，此页已超出免费预览范围啦！

如果喜欢就下载吧，马上远离加班熬夜！

内容要点：

python程序设计与实践大作业实验报告陆阳孙勇裘升明，浙江工商大学计算机与信息工程学院《Python 程序设计与实践》大作业报告专 业： 计科 班 级： 1404 学 号：1412190416、1412190415、1412190413 姓 名： 陆阳，孙勇，裘昇明 指导教师： 题目介绍：在真实的业务场景下，我们往往需要对所有商品的一个子集构建个性化推荐模型。在完成这件任务的过程中，我们不仅需要利用用户在这个商品子集上的行为数据，往往还需要利用更丰富的用户行为数据。定义如下的符号：U——用户集合I——商品全集P——商品子集， P ? ID——用户对商品全集的行为数据集合那么我们的目标是利用 D 来构造 U 中用户对 P 中商品的推荐模型。数据说明：竞赛数据包含两个部分。第第二个部分是商品子集(P), 表名为 tianchi_mobile_recommend_train_item，包含如下字段：字段 字段说明 提取说明item_id 商品标识 抽样&字段脱敏item_ geohash 商品位置的空间标识，可以为空 由经纬度通过保密的算法生成item_category 商品分类标识 字段脱敏训练数据包含了抽样出来的一定量用户在一个月时间(11.18~12.还有，在给出的用户行为数据中，有些用户在整个 11-18 日至 12-18 日对商品有浏览行为记录，但是从未产生过购买行为，这些用户会否在 12 月 19 号购买商品实难预测，因此，我们去除这些无购买行为的用户信息，认为这些用户在 12 月 19 号还是不会购买任何商品。贴关键代码import timeimport pandas as pdstart=time.time()df_items=pd.read_csv("tianchi_mobile_recommend_train_item.csv")df_items2=pd.read_csv("tianchi_mobile_recommend_train_user.csv")df_items3=pd.DataFrame()df_items4=pd.DataFrame()df_itemsprint ''商品子集中商品类型数为：'',item_categories_numprint ''商品子集中带 geohash 信息的商品个数为：'',item_geohash_numprint ''用户数一共有：'',user_numprint ''商品全集中商品个数为：'',item_full_numprint ''商品全集中商品种类数数为：'',item_categories_full_numprint ''商 entry_time=datetime.strptime(str_time,"%Y-%m-%d %H")datatime_delta=(entry_time-begin_time).daysreturn int(datatime_delta)df_train_user=pd.read_csv("tianchi_mobile_recommend_train_user.csv")print "训练集样本示例测试集样本示例训练集样本示例中的 user_id, brand_id(item_id)用于表示唯一的样本id，而特征 feature_1, feature_2 则用 31 天的数据构建而来。本次比赛中，我们划分训练集和测试集所用的分割日期是每 10 天。第 0-9 天为一个训练集，用第 10 天的数据

发表评论

暂无评论，赶快抢占沙发吧。