kaggle-Elo Merchant Category Recommendation(赛题理解)(一)

一.赛题任务

　　通过顾客的历史交易记录以及顾客和商家的信息数据进行模型训练，最终预测测试集里面所有信用卡的忠诚度分数

　　数据下载地址：https://www.kaggle.com/c/elo-merchant-category-recommendation/rules

 

二.赛题数据

　　1.train.csv：训练集和test.csv：测试集

　　　　card_id：信用卡id

　　　　first_active_month：首次使用信用卡购物的月份

　　　　feature_1/2/3：匿名的信用卡离散特征

　　　　target：忠诚度分数目标列

　　　　

　　2.historical_transactions.csv：信用卡(card_id)在给定商家的历史交易记录，对于每张信用卡，最多包含其三个月的交易记录

　　　　card_id：独一无二的信用卡id

　　　　month_lag：距离参考日期的月份

　　　　purchase_date：购物日期(时间)

　　　　category_1/2/3：匿名购物特征1，2，3

　　　　installments：购买商品的数量

　　　　merchant_category_id：商品种类id

　　　　subsector_id：商品种类群id

　　　　merchant_id：商品id

　　　　purchase_amount： 标准化的购物金额

　　　　city_id：城市id

　　　　state_id：州id

　　　　

　　3.new_merchant_transactions.csv：每张信用卡在新商家的购物数据，最多包含两个月的数据(字段说明同上)

　　4.merchants.csv：数据集所有商家(商家id)的附加信息

　　　　merchant_id：商品标识

　　　　merchant_group_id：商品组

　　　　merchant_category_id：商品种类id

　　　　subsector_id：商品种类群id

　　　　numerical_1/2：匿名数值特征1/2

　　　　category_1：匿名类别特征

　　　　most_recent_sales_range：在最近活跃月份的销售额等级

　　　　most_recent_purchases_range：在最近活跃月份的交易数量等级

　　　　avg_sales_lage3/6/12：过去3/6/12个月的月平均收入除以上一个活跃月份的收入

　　　　avg_purchases_lag3/6/12：过去3/6/12个月的月平均交易量除以上一个活跃月份的交易量

　　　　active_months_lage3/6/12：过去3/6/12个月的月内活跃月份的数量

　　　　category_4：匿名特征4

　　　　

 

三.评价指标

　　RMSE(均方根误差)