python程序設計與實踐大作業實驗報告陸陽孫勇裘升明.doc

還剩

28頁未讀，

繼續閱讀

下載文檔到電腦，馬上遠離加班熬夜！

親，很抱歉，此頁已超出免費預覽范圍啦！

如果喜歡就下載吧，馬上遠離加班熬夜！

內容要點：

python程序設計與實踐大作業實驗報告陸陽孫勇裘升明，浙江工商大學計算機與信息工程學院《Python 程序設計與實踐》大作業報告專 業： 計科 班 級： 1404 學 號：1412190416、1412190415、1412190413 姓 名： 陸陽，孫勇，裘昇明 指導教師： 題目介紹：在真實的業務場景下，我們往往需要對所有商品的一個子集構建個性化推薦模型。在完成這件任務的過程中，我們不僅需要利用用戶在這個商品子集上的行為數據，往往還需要利用更豐富的用戶行為數據。定義如下的符號：U——用戶集合I——商品全集P——商品子集， P ? ID——用戶對商品全集的行為數據集合那么我們的目標是利用 D 來構造 U 中用戶對 P 中商品的推薦模型。數據說明：競賽數據包含兩個部分。第第二個部分是商品子集(P), 表名為 tianchi_mobile_recommend_train_item，包含如下字段：字段 字段說明 提取說明item_id 商品標識 抽樣&字段脫敏item_ geohash 商品位置的空間標識，可以為空 由經緯度通過保密的算法生成item_category 商品分類標識 字段脫敏訓練數據包含了抽樣出來的一定量用戶在一個月時間(11.18~12.還有，在給出的用戶行為數據中，有些用戶在整個 11-18 日至 12-18 日對商品有瀏覽行為記錄，但是從未產生過購買行為，這些用戶會否在 12 月 19 號購買商品實難預測，因此，我們去除這些無購買行為的用戶信息，認為這些用戶在 12 月 19 號還是不會購買任何商品。貼關鍵代碼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 ''商品子集中商品類型數為：'',item_categories_numprint ''商品子集中帶 geohash 信息的商品個數為：'',item_geohash_numprint ''用戶數一共有：'',user_numprint ''商品全集中商品個數為：'',item_full_numprint ''商品全集中商品種類數數為：'',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 "訓練集樣本示例測試集樣本示例訓練集樣本示例中的 user_id, brand_id(item_id)用于表示唯一的樣本id，而特征 feature_1, feature_2 則用 31 天的數據構建而來。本次比賽中，我們劃分訓練集和測試集所用的分割日期是每 10 天。第 0-9 天為一個訓練集，用第 10 天的數據

發表評論

暫無評論，趕快搶占沙發吧。

總結

以上是生活随笔為你收集整理的实验报告-python文库_python程序设计与实践大作业的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。