第26名方案

首先，感谢 Kaggle 团队、H&M 员工和所有的参赛者。
这是一个非常有趣且设计精良的比赛（虽然有一点小波折），我很兴奋能参与其中。
很荣幸我们的团队（@ruik 和我）在 Private Leaderboard 上获得了最高排名，但我们也感觉到了通往金牌的“墙壁”。
我们会继续努力，直到成为 Master。
无论如何，让我分享一下我们的解决方案。如果您能对我们的方法提出评论或建议，我会非常高兴。

流程（Pipeline）

与其他人没有太大区别，非常简单。

1. 从每位客户过去 N(=96) 周的历史交易中生成基础候选集。此时不包含历史交易中未出现的商品交易，因此该方法基于“他们会复购什么？”
2. 添加候选集
3. 创建特征
4. 使用 LGBMRanker 进行拟合/预测
5. 后处理

如何添加候选集

• 使用 word2vec 作为 item2vec 计算商品嵌入向量，然后选择 N(=48) 个嵌入向量与预测向量（作为“下一次购买”）具有高相似度的候选商品。
• 添加与每位客户最近 N(=3) 笔交易中的“配对”具有相同产品代码的候选商品。（感谢 Mr.Giba 的 notebook）
  请注意，这些方法仅适用于拥有足够历史交易的客户。

创建特征

与获胜者相比差别不大。

• 商品特征
  • 过去 N 周的销量（不仅针对商品本身，还包括商品所属的属性，如“department_name”）+ 按年龄细分的销量
  • 购买的最高/最低/中位价格（使用全局中位数进行平滑）
  • 在线购买率
  • 距离所有客户上次购买的天数
  • 距离商品首次销售的天数
• 客户特征
  • 年龄：分箱并调整（如果年龄 < 20 则为 10，如果年龄 >= 60 则为 60）
  • "club_member_status"（俱乐部成员状态）、"fashion_news_frequency"（时尚新闻频率）
  • 属性：根据购买商品的 index_code 估算（例如，如果客户通常购买“Ladieswear”，则她被估算为“Lady”）
  • 购买的最高/最低/中位价格（使用全局中位数进行平滑）
  • 距离客户上次购买的天数
• 客户 x 商品特征
  • 每个商品/客户组合距离上次购买的天数
  • 历史交易中出现的每个商品/客户对的数量
  • 每个年龄/属性的商品购买率（交易）
  • 商品价格（最高/最低/中位数）与客户价格（最高/最低/中位数）的比率（例如，如果商品最低价与客户最高价的比率超过 1，我们可以估计“他没有预算购买该商品。”）

使用 LGBMRanker 进行拟合/预测

我们将客户分为 3 折，比例为 30/35/35%（实际上，起初是为了快速进行实验）。
接下来，我们对每一折客户训练 LGBMRanker 并进行预测。然后对预测结果应用加权平均（0.3/0.35/0.35）。
训练/验证周期只有 1 组，验证集是最后 1 周，训练集是验证前的最后 3 周。
在使用 Optuna 进行参数调整后，我们在预测测试集时使用最后 3 周的数据重新训练模型。

后处理

我们对在过去 N(=96) 周内没有或少于 12 个候选（交易）的客户的预测应用后处理。

• 对于在过去 N(=96) 周内没有候选的客户，我们预测为上周销量前 12 的商品（+0.0002）
• 对于有 K(<12) 个候选的客户，我们预测为各年龄组上周销量前 12-K 的商品（+0.0001）

这些方法提高了约 0.0003 的分数。（虽然微小，但是重要的改进）

什么没有奏效