evilAI9527的博客

摘要本文主要根据对Airbnb 新用户的民宿预定结果进行预测，完整的陈述了从数据探索到特征工程到构建模型的整个过程。项目地址：Airbnb New User Bookings | Kaggle其中：1. 数据探索部分主要基于pandas库，利用常见的:head()，value_counts()，describe()，isnull()，unique()等函数以及通过matplotlib作图对数据进行理解和探索；2. 特征工程部分主要是通过从日期中提取年月日，季节，weekday，对年龄进行分段，计.

项目地址：team-learning-data-mining/FinancialRiskControl at master · datawhalechina/team-learning-data-mining · GitHub本文主要根据自某信贷平台的贷款记录进行预测，以金融风控中的个人信贷为背景，要求根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，是一个典型的多分类的问题。本文完整的陈述了从数据探索到特征工程到构建模型的全过程。

一、项目背景和目的项目集中于对淘宝用户行为的分析，如购买时段的分析、热销商品的分析、用户行为转化漏斗分析以及通过RFM模型对用户进行分类等，希望从中探索用户购买的规律，并将这些规律与店铺营销策略相结合，以实现更精细和精准的运营，让业务获得更好的增长。项目数据来源于数据集-阿里云天池，通过此项目学习电商数据分析的指标与数据分析的基本方法。本数据集(UserBehavior.csv)包含了2017年11月25日至2017年12月3日之间，有行为的约一百万随机用户的所有行为（行为包括点击、购买、加购、

一、分析背景：随着互联网新零售市场的不断壮大，以及年轻一代父母的互联网消费观念，促进了母婴产品线上购买的行为占比快速增加。作为母婴产品的电商商家为了提高产品销售量，提高老顾客的回购率的同时不断吸引更多的新顾客顾客，可以通过对过往的销售和用户数据进行分析，提出有效的建议，帮助产品进行精细化的运营。本次分析的数据来源于阿里巴巴天池数据，数据来源：数据集-阿里云天池本次分析数据集包含两个数据集（Tianchi_mum_baby和Tianchi_mum_baby_trade_history）：理