来源：投稿 作者：peter

编辑：学姐

Peter老师

目前本科在读，目前任香港某高校人工智能中心算法研究员，多次于业界顶尖公司、研究组实习，算法开发经验丰富。

赛题链接

https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations 

赛题描述

在这个比赛中，您将获得客户在一段时间内的购买历史，以及支持的元数据。 可用的元数据涵盖从服装类型和客户年龄，到来自产品描述的文本数据，再到服装的图像数据。您的任务是预测在训练数据结束后的 7 天内每个客户将购买哪些商品。在此期间未进行任何购买的客户不计入评分。

※ 比赛时间线

2022年2 月 2 日 年 - 比赛开始。

2022年 5 月 2 日 年 - 报名截止日期。 您必须在此日期之前接受比赛规则才能参加比赛。

2022年5 月 2 日 年 - 团队合并截止日期。 这是参与者可以加入或合并团队的最后一天。

2022年5 月 9 日 年 - 最终提交截止日期。

※ 丰厚的奖金

第一名：15,000美元

第二名：10,000美元

第三名：8,000美元

第四名：7,000美元

第五名：5,000美元

第六名：5,000美元

※ 推荐理由

多模态学习是近日数据科学领域较新也是较火热的领域之一，内卷程度低，容易出成果也能在业界落地。是近期加入数据科学领域选择方向的不二之选。作为多模态比赛，你可以使用任何数据进行推断，如果想研究分类数据类型算法，或者深入研究NLP和CV，这取决于你。

通过参加这场比赛，你能学到从推荐系统到cv、nlp多领域的知识，拿到奖牌对于各方向的求职也大有裨益。

数据描述

题目提供了三张表格和一组照片共四种数据，数据详情如下：

• images - 每一个article_id的商品所对应的图片

• articles - 每一个article_id对应的商品具体的Metadata

• customers - 每一个customer_id对应的顾客具体的Metadata

• transactions_train - 历史购买记录

关注【学姐带你玩AI】公众号

后台回复“HM”，进入本比赛交流群，

领取baseline

数据可视化

1. 商品元数据的种类

2. 商品的种类分布

3. 客户相关的数据

4. 客户年龄分布

5. 客户对于新时尚的感知

6. 价格数据分布

评价指标

MAP@12：对于少于12次购物的客户，做完整的12个预测没有惩罚，所以对于每个客户都进行12个预测较为有利。

Baseline构建

我们利用用户不同年龄组之间的相关性进行相互预测，用户年龄组购买情况相关性系数矩阵如下：

我们对数据的观察：

• 最相似的两个年龄组是 (49, 59] & (59, 69], 相关性系数0.68.

• 最不相关的两个年龄组是 (-1, 19] & (69, 119], 相关性系数 0.09.

• 基于[EDA](https://www.kaggle.com/hechtjp/EDA-based-on-timeseries), (19, 29] 是最多人的年龄类别，和此类别最相关的年龄是, 系数为0.59.

• 各年龄段前100篇文章至少相差30%，把年龄类别分开预测会比统一预测更好

关注【学姐带你玩AI】公众号

后台回复“HM”，进入本比赛交流群，

领取baseline

Baseline流程

• 使用基于规则的算法

• 对每个年龄组分别预测

预测代码：

赛题难点思考

1、根据数据分析的结果进行更完善的特征工程

2、如何在预测中使用多种模态数据

关注【学姐带你玩AI】公众号

后台回复“HM”，进入本比赛交流群，

领取baseline