來源：投稿 作者：peter

編輯：學姐

Peter老師

目前本科在讀，目前任香港某高校人工智能中心算法研究員，多次于業(yè)界頂尖公司、研究組實習，算法開發(fā)經(jīng)驗豐富。

賽題鏈接

https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations?

賽題描述

在這個比賽中，您將獲得客戶在一段時間內(nèi)的購買歷史，以及支持的元數(shù)據(jù)。 可用的元數(shù)據(jù)涵蓋從服裝類型和客戶年齡，到來自產(chǎn)品描述的文本數(shù)據(jù)，再到服裝的圖像數(shù)據(jù)。您的任務是預測在訓練數(shù)據(jù)結束后的 7 天內(nèi)每個客戶將購買哪些商品。在此期間未進行任何購買的客戶不計入評分。

※ 比賽時間線

2022年2 月 2 日 年 - 比賽開始。

2022年 5 月 2 日 年 - 報名截止日期。 您必須在此日期之前接受比賽規(guī)則才能參加比賽。

2022年5 月 2 日 年 - 團隊合并截止日期。 這是參與者可以加入或合并團隊的最后一天。

2022年5 月 9 日 年 - 最終提交截止日期。

※ 豐厚的獎金

第一名：15,000美元

第二名：10,000美元

第三名：8,000美元

第四名：7,000美元

第五名：5,000美元

第六名：5,000美元

※ 推薦理由

多模態(tài)學習是近日數(shù)據(jù)科學領域較新也是較火熱的領域之一，內(nèi)卷程度低，容易出成果也能在業(yè)界落地。是近期加入數(shù)據(jù)科學領域選擇方向的不二之選。作為多模態(tài)比賽，你可以使用任何數(shù)據(jù)進行推斷，如果想研究分類數(shù)據(jù)類型算法，或者深入研究NLP和CV，這取決于你。

通過參加這場比賽，你能學到從推薦系統(tǒng)到cv、nlp多領域的知識，拿到獎牌對于各方向的求職也大有裨益。

數(shù)據(jù)描述

題目提供了三張表格和一組照片共四種數(shù)據(jù)，數(shù)據(jù)詳情如下：

• images - 每一個article_id的商品所對應的圖片

• articles - 每一個article_id對應的商品具體的Metadata

• customers - 每一個customer_id對應的顧客具體的Metadata

• transactions_train - 歷史購買記錄

關注【學姐帶你玩AI】公眾號

后臺回復“HM”，進入本比賽交流群，

領取baseline

數(shù)據(jù)可視化

1. 商品元數(shù)據(jù)的種類

2. 商品的種類分布

3. 客戶相關的數(shù)據(jù)

4. 客戶年齡分布

5. 客戶對于新時尚的感知

6. 價格數(shù)據(jù)分布

評價指標

MAP@12：對于少于12次購物的客戶，做完整的12個預測沒有懲罰，所以對于每個客戶都進行12個預測較為有利。

Baseline構建

我們利用用戶不同年齡組之間的相關性進行相互預測，用戶年齡組購買情況相關性系數(shù)矩陣如下：

我們對數(shù)據(jù)的觀察：

• 最相似的兩個年齡組是 (49, 59] & (59, 69], 相關性系數(shù)0.68.

• 最不相關的兩個年齡組是 (-1, 19] & (69, 119], 相關性系數(shù) 0.09.

• 基于[EDA](https://www.kaggle.com/hechtjp/EDA-based-on-timeseries), (19, 29] 是最多人的年齡類別，和此類別最相關的年齡是, 系數(shù)為0.59.

• 各年齡段前100篇文章至少相差30%，把年齡類別分開預測會比統(tǒng)一預測更好

關注【學姐帶你玩AI】公眾號

后臺回復“HM”，進入本比賽交流群，

領取baseline

Baseline流程

• 使用基于規(guī)則的算法

• 對每個年齡組分別預測

預測代碼：

賽題難點思考

1、根據(jù)數(shù)據(jù)分析的結果進行更完善的特征工程

2、如何在預測中使用多種模態(tài)數(shù)據(jù)

關注【學姐帶你玩AI】公眾號

后臺回復“HM”，進入本比賽交流群，

領取baseline