天池大赛-用户在商场中的定位

赛题回顾

这是一个室内定位问题。给定交易时的环境信息（包括GPS，wifi信息），确定交易所处的商铺。详情可参见比赛页面。

---

knn方案概述

针对测试集中的每一条记录，构造候选shop集合，用模型输出每个候选的概率值，然后选取概率值最大的作为该条记录的预测shop，即二分类。训练集和测试集的构造方法图示如下：

训练：

row_id	候选	特征	label
1	shop_1	...	1
1	shop_2	...	0
1	shop_3	...	0
2	shop_1	...	0
2	shop_2	...	1
2	shop_3	...	0

测试：

row_id	候选	特征	输出概率	预测
3	shop_1	...	0.6
3	shop_2	...	0.8
3	shop_3	...	0.9	√
4	shop_1	...	0.1
4	shop_2	...	0.9	√
4	shop_3	...	0.2

直接选取目标mall中所有的shop作为候选。

为了实现室内定位，采取平面定位结合纵向定位方式进行实现。

---

特征

平面定位特征

1. mall
2. 与候选shop的GPS距离

纵向定位特征

1. wifi强度最大的（或者连接这的）wifi及其强度
2. wifi强度第二大的wifi及其强度
3. wifi强度第三大的wifi及其强度

---

k值的选取

较多情况下，目标商铺所在位置如下表。每一行代表一层楼。

商铺1	商铺2	商铺3
商铺4	目标商铺	商铺5
商铺6	商铺7	商铺8

即有可能受到干扰的且最近的wifi信号。因此k值取值不低于9。这里取21。

---

遇到的问题

1. SQL不支持循环，需要对500个mall分别处理
2. wifi信号太多，且存在信号强度为null的数据

处理方案：

1. 采用分区表实现分mall。避免太多表的存在，容易出错。对每个mall放到多个窗口中同时跑。
2. 只选取出现次数大于20次的wifi，对于null的数据，当做干扰，直接删除