小组成员：
| 学号 | 姓名 |
|---|---|
| 1800300735 | 汪小龙 |
| 1800300705 | 宁彩云 |
| 1800301204 | 黄毓茹 |
所选题目：
User Behavior Data from Taobao for Recommendation：
https://tianchi.aliyun.com/dataset/dataDetail?dataId=649
数据集描述：
| 数据集文件 | 数据集描述 | 特征 |
|---|---|---|
| UserBehavior.csv | 所有用户行为数据 | 用户ID、物品ID、范畴ID、行为类型、时间戳 |
UserBehavior.csv
随机抽取100万个用户的数据，这些数据包括用户在2017年11月25日至12月3日的点击、购买、加入购物车与物品偏好等行为类型。数据集的组织形式和MovieLens-20M类似，即数据集的每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。各个字段的详细描述如下：
| 列名称 | 说明 |
|---|---|
| 用户ID | 整数类型，序列化后的用户ID |
| 商品ID | 整数类型，序列化后的商品ID |
| 商品类目ID | 整数类型，序列化后的商品所属类目ID |
| 行为类型 | 字符串，枚举类型，包括('pv', 'buy', 'cart', 'fav') |
| 时间戳 | 行为发生的时间戳 |
注意到，用户行为类型共有四种，它们分别是
| 行为类型 | 说明 |
|---|---|
| pv | 商品详情页pv，等价于点击 |
| buy | 商品购买 |
| cart | 将商品加入购物车 |
| fav | 收藏商品 |
关于数据集大小的一些说明如下
| 维度 | 数量 |
|---|---|
| 用户数量 | 987,994 |
| 商品数量 | 4,162,024 |
| 用户数量 | 987,994 |
| 商品类目数量 | 9,439 |
| 所有行为数量 | 100,150,807 |
To install the requirements, just input pip install -r requirements.txt in the same dir with requirements.txt.
pandas
numpy
scikit-learn
django
matplotlibSwitch to /BigDataProject/src/, then run python manage.py runserver 0.0.0.0:80 , finally you can see the visual results after inputting 127.0.0.1:80 to your browser. Just as below:
As you can see, we used clustering algorithm to solve machine learning task, you can change the cluster number n_clusters in the penultimate cell in notebook.ipynb, and rerun the last two cells, not forgetting to run the first cell to import the requirements. Finally, you can see the changes on your browser.
Download the user behavior dataset from here, and then unzip it to ./dataset/.
./src/ includes source code. We use Django to so visualization problems. The structure of our project is as below:
|──BigDataProject
| |──dataset
| | └──UserBehavior.csv
| |
| |──src
| | |──`__pycache__`
| | | └──...
| | |
| | |──bigdata
| | | |──`__pycache__`
| | | | └──...
| | | |
| | | |──migrations
| | | | └──...
| | | |
| | | |──templates
| | | | └──bigdata
| | | | |──xxx.html
| | | | └──index.js
| | | |
| | | |──`__init__.py`
| | | |──admin.py
| | | |──apps.py
| | | |──models.py
| | | |──tests.py
| | | |──urls.py
| | | └──views.py
| | |
| | |──config
| | | |──`__pycache__`
| | | | └──...
| | | |
| | | |──`__init__.py`
| | | |──asgi.py
| | | |──settings.py
| | | |──urls.py
| | | └──wsgi.py
| | |
| | |──static
| | | └──...
| | |
| | |──database_op.py
| | |──dataset_analyze.py
| | |──db.sqlite3
| | └──manage.py
| |
| |──notebook.ipynb
| |──README.md
| └──requirements.txt