主要从uid,basicroomid,roomid三个主体进行特征构造。
1.uid:用户上次订单的相关信息反映了用户的偏好,通过对比这次订单和上次订单的差异来构造特征。
2.basicroomid:通过构造basicroom的特征,模型才可以通过比较不同basicroom的相似性和差异性从训练中学习到用户为什么选择该basicroom。
3.roomid:通过构造room的特征,原因同上。
通过分析,我们还大胆的猜测了roomtag_1其实是携程的推荐,标签应该是猜你喜欢。我们的模型其实已经相当于stacking的第一层。 所以我们也根据这种思路进行融合。 我们在02468训练,然后预测13579以及test上的所有数据集。得到一个新特征:prob
因为题目要求预测7天的数据,所以前6天的数据在这些特征上是穿越的。 所以我们将预测分成了两个模型来分开预测:前6天&第7天
在以上特征的基础上使用lgb进行训练,并未继续做任何融合。