天池大赛——商场中精确定位用户所在店铺

前些日子，受同学“鼓动”，到天池官网注册了一个帐号，“顺理成章”的参加了这个“演技满满”的比赛。“影帝”们的表演还在继续，我等“龙套演员”已经领盒饭走人了。最终B榜成绩：119 / 2845，accuracy为0.9083。特此分享一波自己的解题过程。抛砖（确定是砖）引玉，希望“影帝们”赛后可以稍加点拨。让我们的“演（技）技（术）”也得到一丁点儿的提升，就很感激了。

在这里特别感谢技术圈各位大神之前的开源，让我学到很多。谢谢！

解题思路

这种比赛每个人写代码可能都有自己的风格，所以这里特别说明一下自己的解题过程。

时间戳

首先自己对时间戳做过一定的处理。比如分时间段、分周末和工作日，可能是姿势不太正确。并没有起到好的效果，反而“逆上分”。这里仅仅截取时间戳的预处理函数，如果想尝试的，可以自行尝试一下。

@staticmethod
def timestamp_handle(df):
mdays = []
wdays = []
hours = []
mins = []
for timestamp in df['time_stamp']:
    timeArray = time.strptime(timestamp, "%Y-%m-%d %H:%M")
    mdays.append(timeArray.tm_mday)
    wdays.append(timeArray.tm_wday)
    hours.append(timeArray.tm_hour)
    mins.append(timeArray.tm_min)
df['time_mday'] = mdays
df['time_wday'] = wdays
df['time_hour'] = hours
df['time_min'] = mins
df = df.drop(['time_stamp'], axis=1)
return df

经纬度信息

首先用户的经纬度存在不准确的情况。这部分用户可以通过一个偏差上限来甄别，只要用户的经纬度偏差大于这个上限，说明这个用户的经纬度是不准确的，在接下来的计算过程中，不考虑这个用户的经纬度。对于经纬度比较准确的用户，自己通过计算欧式距离或者经纬度距离基本都可以排除20%左右（或者更少）的商铺。这里仅仅提到有这个可以缩小范围的方式，但自己在代码中并没有采用。对于经纬度，自己在代码中只使用了原始数据，并没有做任何处理。

WIFI信息

整个题目，自己基本都在围绕WIFI信息做文章。之前有大神开源过一份XGBoost的代码（非常感谢）。自己在代码中有尝试融合，自己当时选用的是Random Forest算法。也能取得基本一致的结果（按自己的处理方式，Random Forest的表现可能要好一点儿），很遗憾，这个题自己没有找到XGBoost的调参姿势（时间开销），所以在结果基本一致的情况下，自己选择了Random Forest算法。其中这里开源了两份代码，分别位于文件夹1和文件夹2，其中文件夹1的代码跟大神的思路是一样的，筛选出WIFI作为特征，并保留经纬度，整个的特征向量的结构为[longitude, latitude, wifi1, wifi2, wifi3 ...]，可能差别就插在挑选WIFI的方式上，自己是按照TF值来挑选了一部分，然后按照整个商场中WIFI的出现次数补充了一部分。这种方式A榜成绩为0.9075,B榜成绩为0.9054。文件夹2的代码是在文件夹1的代码的基础之上做了部分改动。首先利用随机森林预测得到一部分测试集的结果（对某个商铺的预测概率大于等于0.8，则认为随机森林预测结果可靠），之后对于剩下的测试集，计算每个用户的WIFI和每个商铺的WIFI（挑选出来的，假设这个WIFI属于这个商铺）的余弦相似度，然后排序，挑选出最多5个（之所以说最多是因为用这种方式，有的用户的候选集里的商铺数不足5个）商铺作为候选集。然后将候选集相同的测试集样例进行合并到一起，然后依照候选集划分出一个个小的测试集。然后提取每个候选集里的商铺对应的训练集数据，构建分类器，然后进行预测（这样就减少了分类数，但本质上还是多分类）。最终B榜成绩0.9083。

其他

• 关于WIFI连接，自己统计过一个数据，当一个WIFI被连接的时候，用户在哪个商铺前？发现有部分WIFI，当WIFI被连接次数大于等于10次，用户在某个商铺前的概率为1。但融合到最终结果。结果有了小小的下降。自己不太明白为什么，要么是自己计算错误，要么是前后两个月的WIFI有比较大的差别？（生活所迫，并没有细究下去，哈哈）。

• TextCNN，这部分只是自己觉得好玩儿，做了个实验。先确定出每个SHOP的WIFI列表，然后给定一个用户的WIFI信息，与每个SHOP的WIFI比对，该SHOP是否有该WIFI，有的话，在对应的位置上填上WIFI强度。这样最后的特征向量的为“店铺数 × 每个店铺的WIFI数”样式的矩阵结构，如此构造特征向量是可以收敛的，最终的成绩能在0.9左右。

• 时间有限（好朋友的项目都给耽误了，sorry）（老师的项目不敢怠慢～），其他信息这里没有再考虑了～，比赛也到此为止了。

• 再说一下收获吧：技（演）术（技）真的非常重要～，自己有很多不足，多读 paper，多多实践吧。

大致如上，水文一篇，如果大家有什么好的思路，希望多多指导～，谢谢！QQ: 765422195

多多加星哦～