第22名方案分享 - 单一LGBM模型 (Private:0.03038)

我要感谢这次精彩比赛的主办方，并祝贺获奖者和所有奖牌获得者！

特别感谢 @myaun、@NARI、@Moro 和 @minguin，感谢你们作为团队提供的绝佳想法和解决方案。

在这篇文章中，我将向大家展示我的部分解决方案。

我认为我的方案相当简单，但训练和推理需要花费不少时间。

我的解决方案已发布为 Kaggle Notebook。如果您喜欢，请留言评论并点赞。

0. 环境与验证策略

我主要使用 Google Colab Pro+，因为我需要 GPU（cudf, cuml）来进行快速训练和大规模数据处理。

使用 1 个 GPU，训练大约需要 15 小时，推理（验证数据）需要 7 小时，推理（测试数据）需要 100 小时。Google Colab Pro+ 的多会话功能使其速度提高了 2 倍，但仍然非常耗时。

我使用 2020/9/16~9/22 的数据作为验证集，使用 ~2020/9/15 的数据进行训练。

1. 训练数据集

这可能是我的方案中最具特色的部分。

首先，我制作了在 2020/9/9~9/15、9/2~9/8、8/25~9/1 和 8/18~8/24 期间购买了某些商品的顾客数据集。

主键是 customer_id 和 article_id，每一对都有一个目标列，值为 1（购买）或 0（未购买）。

我们不能使用顾客未购买的所有文章作为负样本，因为数量太多，所以我为每位顾客随机选择了 30 篇文章作为负样本。

我认为我构建的特征并不特别，比如顾客和文章的购买次数（n_buy）。详情请参阅我的 Notebook。

2. 训练

我使用了 LGBM Classifier（而不是 Ranker）。在我的情况下，Classifier 的效果比 Ranker 更好。

3. 推理

我对每一对顾客和商品进行评分，并排序以预测顾客似乎会购买的商品。

候选商品是 2020/8/18~2020/9/15 期间销量前 15,000 的商品。候选商品在所有顾客中是相同的。

如此大量的候选商品会使推理变慢，但它对分数有显著影响。

感谢您读到这里。欢迎提问！