第二名解决方案 (ONODERA 部分)
首先，感谢 @pnormann 发起并组织了这场精彩的比赛。
我原本想拿第一，但目前来说我并不太在意名次了。
我想在此解释一下我负责的部分。
候选集
当我和 @psilogram 组队时，他已经有非常棒的候选集了，比我的要好。
所以我决定使用他的候选集。
特征工程
Item2item 特征
@psilogram 已经有了很好的特征，但在协同过滤（CF）特征方面还有改进空间。
所以我专注于 Item2item 特征，主要包括：
- 计数
- 时间差
- 序列差（由 @psilogram 发明）
- 上述特征的两种加权形式
- 上述特征的聚合
总共我得到了 93 个特征。在此基础上，通过不同的组合（例如点击到订购、购物车到订购等），我生成了近 5000 个特征。
最终我只使用了 400~500 个特征。
第一阶段预测特征
伪事件特征
模型
我使用了 XGBoost 和 CatBoost。
流程
在第二阶段之后，我们按排名融合了我们的结果（ @senkin13, @h4211819 ）。
