Kaggle winner 方案 | Instacart Market Basket Analysis: 2nd place

最新推荐文章于 2025-05-30 09:11:17 发布
最新推荐文章于 2025-05-30 09:11:17 发布
阅读量1.6k 收藏 2
点赞数
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/G88JmvEHMsJ1kd4v0c/article/details/78987684
该博客介绍了Kaggle Instacart Market Basket Analysis竞赛的亚军方案，由Yahoo! JAPAN的Kazuki Onodera分享。方案利用XGBoost建立两个模型，预测顾客下次购买的商品和是否购买过往商品。特征包括顾客行为、商品属性、用户商品交互和时间信息。评估指标基于F1分数，并根据订单定制阈值。推荐阅读原文了解更多详情。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

今天来看看  Instacart Market Basket Analysis competition 的第二名方案，作者是 Yahoo! JAPAN 的一个数据科学家   Kazuki Onodera (aka ONODERA on Kaggle)

这个比赛是要根据顾客的历史购买记录，预测 Instacart 的消费者将再次购买哪种商品，这样可以在顾客需要这个商品的时候，货源是充足的。

模型：

用 XGBoost  建立两个模型，分别预测

  1. 之前购买的哪种商品会出现在下次购物篮里，
    （用 6个GBD

最低0.47元/天 解锁文章

200万优质内容无限畅学
kaggle竞赛-Instacart Market Basket Analysis(推荐)-初探
MATLAB678的博客
12-25 2542
竞赛网址 参考代码 1.1赛题背景： 1.2数据集详情： aisle.csv 产品摆放位置说明 - 包含了aisle_id和aisle两列数据 departments.csv 产品所属类别 - 包含了department_id和department两列数据 products.csv 产品详情说明 - 包含product_id、product_name、aisle_id、department...
kaggle竞赛-Instacart Market Basket Analysis(推荐)-特征工程
MATLAB678的博客
01-31 1517
紧接上次的分析初探，进行进一步特征工程的详细分析。 1.数据准备 1.1导入工具包 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import lightgbm as lgb import gc %matplotlib inline 1.2导入数据 pat...
Python-KaggleInstacart市场篮子分析
12-17
Python-KaggleInstacart市场篮子分析 orders (3.4m rows, 206k users): order_id: order identifier user_id: customer identifier eval_set: which evaluation set this order belongs in (see SET described below) order_number: the order sequence number for this user (1 = first, n = nth) order_dow: the day of the week the order was placed on order_hour_of_day: the hour of the day the order was placed on days_since_prior: days since the last order, capped at 30 (with NAs for order_number = 1) products (50k rows): product_id: product identifier product_name: name of the product aisle_id: foreign key department_id: foreign key aisles (134 rows): aisle_id: aisle identifier aisle: the name of the aisle deptartments (21 rows): department_id: department identifier department: the name of the department order_products__SET (30m+ rows): order_id: foreign key product_id: foreign key add_to_cart_order: order in which each product was added to cart reordered: 1 if this product has been ordered by this user in the past, 0 otherwise where SET is one of the four following evaluation sets (eval_set in orders): "prior": orders prior to that users most recent order (~3.2m orders) "train": training data supplied to participants (~131k orders) "test": test data reserved for machine learning competitions (~75k orders)
kaggle案例--Instacart Market Basket Analysis
热门推荐
zhouwenyuan1015的博客
08-22 1万+
注： 测试代码主要参考kaggle中Kernels提供的脚本。1.背景kaggle比赛题， 预测Instacart零售公司，用户二次购买产品。 https://www.kaggle.com/c/instacart-market-basket-analysis2. 数据理解1. 数据说明 数据共有300 0000orders， 20 0000users， 50
数据挖掘商品购物篮数据集：助力关联分析学习与实践
最新发布
gitblog_06792的博客
05-30 338
数据挖掘商品购物篮数据集：助力关联分析学习与实践 【下载地址】数据挖掘商品购物篮数据集 这是一个专注于数据挖掘的商品购物篮数据集，包含商品详单、商品属性、品牌详单、品牌属性以及两年的购物篮数据。数据集经过精心预处理，适合用于关联分析算法的学习与实践。通过分析这些数据，用户可以深入挖掘商品与品牌之间的关系，探索用户购物行为...
Instacart Market Basket Analysis
张先生－您好的博客
06-27 1583
Instacart Market Basket Analysis kaggle赛题链接 数据理解 比赛使用的数据仅包含交易数据，不包含浏览数据。主要由以下几张表构成： 订单表 orders（订单ID，用户ID，所属数据集，该用户的订单序号，订单下单在星期几，订单下单所在小时，距离上一次下单过去的天数）：数据粒度为一个订单事实。其中，所属数据集包含三类：a) 先验集：所有用户在历史一段时间内产生的所有订单；b) 训练集：从所有用户中抽出一部分训练用户，在考察周期内产生的所有订单；c) 测试集：除去训练用户
Instacart Market Basket Analysis-数据集
03-29
Instacart 的市场购物篮分析数据集就是这样一个宝贵的资源，它来源于著名的数据竞赛平台 Kaggle，提供了丰富的用户购物行为信息。本文将深入探讨这个数据集的构成及其潜在的知识点。 首先，我们来看这个数据集包含...
Instacart-Market-Basket-Analysis:基于Kaggle问题的端到端案例研究
04-05
在这个项目中，我们将尝试解决Kaggle的Instacart市场篮子分析问题。 要了解有关此方法的更多信息，请参阅我的中等博客文章， 第1部分： ： 第2部分： ： 第3部分： ： 资料档案 该项目中使用的所有文件都是...
instacart-market-basket-analysis.zip
07-25
探究：用户对物品类别的喜好细分降维案例需要的.csv数据。products.csv、 order_products__prior.csv、orders.csv、aisles.csv等几个案例需要的数据都包含。
Instacart Market Basket Analysis Instacart市场篮子分析-数据集
03-04
无论您是从精心计划的杂货店购物，还是任由幻想来指导您的放牧，我们独特的饮食习惯都可以定义我们是谁。Instacart是杂货店订购和交付应用程序，旨在使您在需要时轻松用个人收藏夹和订书钉装满冰箱和食品储藏室。通过Instacart应用程序选择产品后，个人购物者会查看您的订单并为您进行店内购物和送货。 Instacart的数据科学团队在提供这种令人愉快的购物体验中发挥了重要作用。当前，他们使用交易数据来开发模型，以预测用户将再次购买，首次尝试或在会话期间将其添加到购物车中的哪些产品。 Instacart Market Basket Analysis_datasets.txt
Instacart Market Basket Analysis项目数据集-附件资源
03-05
Instacart Market Basket Analysis项目数据集-附件资源
在Instacart上进行市场购物篮分析：在像#Amazon这样的流行电子商务网站上购物时，您一定会偶然发现“经常一起购买”等功能，这表明您可能喜欢与您所浏览的产品类似的产品。 此功能是通过使用一种称为“市场篮子分析”的无监督机器学习方法来实现的。 在引擎盖下，它使用先验算法。 我已经完成了一个探索这种方法的项目。 该项目的目标是：1.对#Instacart创建的数据集进行详细的探索性分析。 2.在数据集中找出产品之间的关联，并就如何应用您的发现提供建议
03-04
在Instacart上进行市场购物篮分析：在像#Amazon这样的流行电子商务网站上购物时，您一定会偶然发现“经常一起购买”等功能，这表明您可能喜欢与您所浏览的产品类似的产品。 此功能是通过使用一种称为“市场篮子分析”的无监督机器学习方法来实现的。 在引擎盖下，它使用先验算法。 我已经完成了一个探索这种方法的项目。 该项目的目标是：1.对#Instacart创建的数据集进行详细的探索性分析。 2.在数据集中找出产品之间的关联，并就如何应用您的发现提供建议
Instacart_Market_Basket_Data_Analysis：有机产品购买行为的Instacart用户市场购物篮分析
02-16
Instacart市场篮子分析 抽象的 Instacart已成为北美领先的杂货配送平台，并且由于COVID-19，其增长正在Swift加速。 鉴于在线杂货店购物的增加以及作为狂热的美食爱好者，我们希望了解人们订购的商品以及他们的行为有何不同。 在探索了数据集及其包含的不同数据点之后，我们确定了购买农产品（水果，蔬菜等）时关注用户和订单行为的机会。 研究问题 1.客户的细分是什么购买有机与那些永远不要购买有机什么时候给予选择？ 2.自然用户和永不自然用户之间的购买行为是否有所不同？ 3.用户在Instacart上进行更多订购时，购买行为会改变吗？ 购买“有机”商品是一种稳定还是动态的行为？ 使用的工具 语言： Python 库： 麻木 大熊猫 matplotlib 分工 为了不给我其他小组成员的工作以功劳，每个笔记本都标上姓氏，以表示对整个研究项目的贡献。 此外，由研究团队其他成员
Instacart-Market-Basket-Analysis:此存储库是关于涉及XG-Boost，LGBM，Apriori定理，文化分析，Word2Vec的市场篮子分析，当然还有回归
05-16
Instacart市场篮子分析 Instacart市场购物篮分析：该项目旨在预测客户从称为Instacasrt的在线杂货店重新订购以前购买的产品的可能性。 目录（按以下顺序阅读） File-1 Instacart市场购物篮分析： 抽象的 介绍 导入库并读取csv 数据准备和数据清理 探索性数据分析 Word2Vec 文化分析 File-2 Apriori Instacart：此文件涉及使用Apriori定理，这是一个常见的市场篮子分析定理。 它预测了一起购买物品的可能性。 例如面包和黄油一起去等等。 File-3 Instacart FeatureXG：此文件基于XG-Boost和LGBM。 两者都用于提高模型的准确性，我得出的结论是，在这种情况下，LGBM的准确性比XG-Boost稍高。 这是下的
python购物篮分析_关联规则-购物篮分析（basket analysis）
weixin_36070998的博客
01-13 1672
数据集：网上下载的公共数据环境：Python3.5实现：找到了C1 L1 C2 L2存在的不足：只能找到指定长度候选K项级和频繁K项级，没有实现找到存在的所有K项级，但实现原理相同数据格式如下：9900000988 07004 水晶梨 19900000989 03001 300g壶瓶枣 19900000989 03002 484g壶瓶枣 19900000989 03004 ...
市场购物篮分析 Market Basket Analysis
u014572697的专栏
04-06 4723
购物篮分析最主要的目的在于找出什么样的东西应该放在一起？商业上的应用在藉由顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品，找出相关的联想（association）规则，企业藉由这些规则的挖掘获得利益与建立竞争优势。 举例来说，零售店可藉由此分析改变置物架上的商品排列或是设计吸引客户的商业套餐等等。 购物篮分析基本运作过程包含下列三点： （1）选择正确的品项：这里所
关联分析（购物篮子分析market basket analysis）R练习
weixin_30855099的博客
07-25 1448
关联分析(association analysis)又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式。简言之，关联分析是发现数据库中不同项之间的联系。 与回归问题、分类问题不同，关联算法不能进行预测，但可以用于无监督的知识发现，寻找数据之间的关联性。由于其本身不需要提前标记数据，算法实施也很便捷，但是关联算法除了从定性的角度衡量其有效性...
instacart数据集分析：用户喜好细分及机器学习应用
资源摘要信息:"在探究用户对物品类别的喜好细分时，本数据集来自Instacart，这是一家提供在线购物及配送服务的平台。通过分析这些数据，我们可以利用机器学习技术，特别是聚类算法如K-means，来研究用户购物行为，并...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值