天池离线赛 - 移动推荐算法（三）：特征构建

移动推荐算法是阿里天池赛2015年赛题之一，题目以移动电商平台的真实用户-商品行为数据为基础来构建商品推荐模型。该题现已成为新人入门的经典演练对象，博主也希望基于该题场景，加深对机器学习相关知识的理解，积累实践经验。关于题目回顾与数据初探，可参考：天池离线赛 - 移动推荐算法（一）：题目与数据解析，本文讨论如何进行特征构建，为之后基于模型的方法实现提供支持。

特征工程回顾

特征工程是机器学习方法在工业界得到有效应用的基础。业界普遍的认为：数据和特征决定了学习的上限，而模型和算法只是在逼近这个上限。所以，做好特征工程，是高效实现机器学习和数据挖掘任务的基础。关于特征工程的详细内容，可参考：特征工程到底是什么？ - 知乎。

特这构建与选取是特征工程的重要内容，包括：

• 结合业务对象和数据可用性确定所需特征（包括特征的定义、数值特性、特征组合衍生…）；
• 基于原始数据构建特征数据并作基本预处理（SQL、数据清洗…）；
• 针对不同模型进行特征预处理，包括采样、单个特征预处理（归一化、离散化、缺值处理…）、多个特征的处理（PCA、LDA、Clustering、卡方检验、相关系数、正则化…）；
• 在模型训练中分析选取特征（有效性、重要性）；
• 。。。

特征构建

预研思路

首先给出特征构建时的一些思路：

1. 由于用户行为对购买的影响随时间减弱，根据分析，用户在一周之前的行为对考察日是否购买的影响已经很小，故而只考虑距考察日一周以内的特征数据。

2. 由于数据来源于垂直电商，其特点是线上购买线下消费，猜测其购买行为具有一定的周期性，进一步猜测行为周期为一个星期。待预测目标考察日为 12.19 ，是星期五，所以分割出11.18~12.18数据中的四段以星期五为考察日，一周为考察期的数据，一共有4组，其中一组涉及双十二异常期，故而省区，还剩下三组数据如下：

   part 1 - train: 11.22~11.27 ->