一、简介 ELO商户类别推荐有助于了解客户忠诚度
Elo Merchant Category Recommendation Help understand customer loyalty (ELO商户类别推荐有助于了解客户忠诚度)
竞赛描述:
想象一下,在一个陌生的地方饿着肚子,在适当的时候,根据你的个人喜好,提供餐馆推荐。推荐信附带了您的信用卡提供商提供的拐角处当地饭店的折扣!
目前,作为巴西最大的支付品牌之一,ELO已经与商家建立了合作关系,为持卡人提供促销或折扣。但是,这些促销活动对消费者或商家都有效吗?客户喜欢他们的体验吗?商人看到重复的生意了吗?个性化是关键。
ELO建立了机器学习模型,以了解客户生命周期中从食品到购物的最重要方面和偏好。但到目前为止,没有一个是专门为个人或个人资料定制的。这就是你进来的地方。
在这场竞争中,Kaggers将通过发现客户忠诚度中的信号,开发算法来识别并为个人提供最相关的机会。您的输入将改善客户的生活,帮助ELO减少不必要的活动,为客户创造正确的体验。
评价指标
提交的数据按均方根误差(root mean squared error)计分。RMSE定义为:
where y^ is the predicted loyalty score for each card_id
, and y is the actual loyalty score assigned to a card_id
.
提交文件格式:
card_id, target
C_ID_9e86007114,0
C_ID_1c9f77086c,0.5
C_ID_07b20e9908,0
C_ID_63d6bac69a,0
C_ID_bbc26a86eb,0
C_ID_f749aad790,0
C_ID_7b5c15ff41,-0.25
C_ID_ec6b0f2d30,0
C_ID_0a11e759c5,0
Timeline
February 19, 2019 - External Data Disclosure deadline. All external data used in the competition must be disclosed in the forums by this date.
数据
需要的文件
- train.csv and test.csv 文件包含用于训练和预测的
card_id
s - The historical_transactions.csv and new_merchant_transactions.csv files 包含有关每张卡交易的信息。
- historical_transactions.csv 包含在任何提供的商户ID上的每张卡最多3个月的交易价值。
- new_merchant_transactions.csv 包含两个月内新商户的交易(该卡尚未访问的商户ID)。
- merchants.csv 包含数据集中表示的每个商户ID的汇总信息。
- The historical_transactions.csv and new_merchant_transactions.csv files contain information about each card's transactions.
- historical_transactions.csv contains up to 3 months' worth of transactions for every card at any of the provided
merchant_id
s. - new_merchant.csv contains the transactions at new merchants (merchant_ids that this particular card_id has not yet visited) over a period of two months.
- merchants.csv contains aggregate information for each
merchant_id
represented in the data set.
数据格式如下:
- train.csv和test.csv包含卡ID和卡本身的信息-卡激活的第一个月( the first month),等等。train.csv也包含目标。
- historical_transactions.csv and new_merchant_transactions.csv are designed to be joined with train.csv, test.csv, and merchants.csv.它们包含有关每张卡的交易信息。
- merchants can be joined with the transaction sets to provide additional merchant-level information. 可以将商家与交易集结合起来,以提供额外的商家级别信息。
预测:
You are predicting a loyalty score for each card_id
represented in test.csv and sample_submission.csv.
文件描述:
- train.csv - the training set
- test.csv - the test set
- sample_submission.csv - a sample submission file in the correct format - contains all
card_id
s you are expected to predict for. - historical_transactions.csv - up to 3 months' worth of historical transactions for each
card_id
- merchants.csv - additional information about all merchants /
merchant_id
s in the dataset. - new_merchant_transactions.csv - two months' worth of data for each
card_id
containing ALL purchases thatcard_id
made atmerchant_id
s that were not visited in the historical data.
一、简介 ELO商户类别推荐有助于了解客户忠诚度的更多相关文章
- [推荐]ORACLE PL/SQL编程详解之一:PL/SQL 程序设计简介(千里之行,始于足下)
原文:[推荐]ORACLE PL/SQL编程详解之一:PL/SQL 程序设计简介(千里之行,始于足下) [推荐]ORACLE PL/SQL编程详解之一: PL/SQL 程序设计简介(千里之行,始于足下 ...
- 【IOS 开发】Objective - C 面向对象高级特性 - 包装类 | 类处理 | 类别 | 扩展 | 协议 | 委托 | 异常处理 | 反射
一. Objective-C 对象简单处理 1. 包装类 (1) 包装类简介 NSValue 和 NSNumber : -- 通用包装类 NSValue : NSValue 包装单个 short, i ...
- 阿里云智能推荐AIRec产品介绍
一.智能推荐(AIRec)简介 AIRec背景介绍 智能推荐(简称AIRec)基于阿里巴巴集团领先的大数据和人工智能技术,结合阿里巴巴在电商.内容.新闻.视频直播和社交等多个行业领域的积累,为全球企业 ...
- [转] 基于 Apache Mahout 构建社会化推荐引擎
来源:http://www.ibm.com/developerworks/cn/java/j-lo-mahout/index.html 推荐引擎简介 推荐引擎利用特殊的信息过滤(IF,Informat ...
- 基于 Apache Mahout 构建社会化推荐引擎
基于 Apache Mahout 构建社会化推荐引擎 http://www.ibm.com/developerworks/cn/views/java/libraryview.jsp 推荐引擎利用特殊的 ...
- Flink流处理(一)- 状态流处理简介
1. Flink 简介 Flink 是一个分布式流处理器,提供直观且易于使用的API,以供实现有状态的流处理应用.它能够以fault-tolerant的方式高效地运行在大规模系统中. 流处理技术在当今 ...
- 什么是NPS 客户净推荐值?
客户忠诚是企业在客户服务方面的最高目标. 客户是否忠诚通过一个问题即可判断,那就是--你会把这家企业推荐给朋友的可能性有多大?这就是著名的NPS指标,本文希望能讲清NPS客户净推荐值是什么,用好客服系 ...
- 商户编号[Merchant Id]是什么
1. Merchant Id是什么 2. Merchant Id 是有哪几个部分构成的 2.1 收单机构代码 2.2 商户地区代码 2.3 Merchant Category Code(MCC) 本文 ...
- 推荐几个最好用的CRM软件,本人亲测
CRM是英文Customer Relationship Management 的简写,一般译作“客户关系管理”.CRM最早产生于美国,由Gartner Group 首先提出的CRM这个概念的.20世纪 ...
随机推荐
- 0802关于mysql数据库的锁机制
参考网址 http://www.cnblogs.com/yelbosh/p/5813865.html http://www.cnblogs.com/chenpingzhao/p/5065316.htm ...
- 0208MySQL5.7之Group Replication
转自http://blog.itpub.net/29510932/viewspace-2055679/ MySQL Group Replication: Hello World! 对测试版(on la ...
- CODEVS——T 1004 四子连棋
http://codevs.cn/problem/1004/ 时间限制: 1 s 空间限制: 128000 KB 题目等级 : 黄金 Gold 题解 查看运行结果 题目描述 Descr ...
- MySQL Workbench出现:Error Code: 2013. Lost connection to MySQL server during query的问题解决
解决办法: [Edit]->[Preference]->[SQL Editor] 将下图DBMS connection read time out (in seconds)适当调大: 参考 ...
- 黑马day07 登录注冊案例(一)
简单介绍:依据三层架构的思想设计本案例. 1.搭建好开发环境 准备好须要的包和模拟数据库配置文件users.xml -->cn.itheima.dao -->cn.itheima.serv ...
- 新建maven web工程报错
问题: 检查本地仓库: 检查1.0跟release的文件夹: 试试:http://www.ithao123.cn/content-8028507.html 然后选择maven catalog下的:(这 ...
- JSTL函数标签
tld 文件代码 <?xml version="1.0" encoding="UTF-8" ?> <taglib xmlns="ht ...
- 使用RabbitMQ放置自己定义对象(不借助序列化工具,比如protobuffer)V2.0
怎样使用RabbitMQ盛放自己定义的对象呢?一般都会使用序列化工具在投放之前转换一次.从MQ取回的时候再逆序列化还原为本地对象.这里使用C++自带的强制类型装换,将本地对象的内存模型当做自然的序列化 ...
- BZOJ1053 反素数
题目大意 对于任何正整数x,其约数的个数记作g(x).如果某个正整数x满足对任意的0<i<x,都有g(x)>g(i) ,则称x为反质数.现在给定一个数N,求出不超过N的最大的反质数. ...
- 2.2.3 修改JSX代码
/** * Sample React Native App * https://github.com/facebook/react-native * @flow */ import React, { ...