@heavysheep
2017-02-16T13:18:59.000000Z
字数 617
阅读 1299
比赛
result：每家店铺每日交易成功数量
view：每家店铺每日浏览量
| shop_id | city_name | location_id | per_pay | score | comment_cnt | shop_level | cate_name.. |
|---|---|---|---|---|---|---|---|
| 商家id | 城市名 | 所在位置编号 | 人均消费 | 评分 | 评论数 | 商铺等级 | 分类 |
shop_id：主键，索引
city_name：获取气温、消费能力、消费习惯
location_id：聚类算法，估计功效太低没什么意义，pass
per_pay：检测与result负相关，与view负相关。
socre：检测与result正相关，与view正相关。
comment_cnt：检测与result正相关，与view正相关。
shop_level：检测与result正相关，与view正相关
cate_name：分类太细，考虑只保留使用“超市”和“美食”进行区分。
检测per_pay、score、comment_cnt、shop——level与view、result的关联度。
| user_id | shop_id | time_stamp |
|---|---|---|
| 付费用户id | 商家id | 消费时间 |
time_stamp：分解出日期day和时间time列。
| user_id | shop_id | time_stamp |
|---|---|---|
| 浏览用户id | 商家id | 浏览时间 |
time_stamp：分解出日期day和时间time列。