考虑到较为远的信息参考价值没有那么明显(比如：某用户近一个月的行为会对接下来5天是否发生购买行为产生较大的影响，而时间更远的行为的指导意义不大)，所以采用了一个月的数据作为训练集，也就是2016-03-10 至 2016-04-11的数据作为训练集，选取和需要预测时间长度相同的时间段 2016-04-11 至 2016-04-16的数据对训练集中的记录打label。
这里需要注意，不可以只打第8类(P子集)的label,因为用户的购买不同商品的行为是具有相似性的，如果只是考虑第8类商品，会使样本十分不均衡！
选取比赛需要预测的时间点前一个月的数据构造测试集，也就是2016-03-15 至 2016-04-16的数据.然后对其中有行为的记录进行预测，过滤出第8类商品作为提交的答案.
年龄 -> one-hot编码，性别 -> one-hot编码，用户等级 -> ont-hot编码
用户的三种属性，a1,a2,a3 -> one-hot编码
用户行为 -> one-hot编码，巧妙运用编码之后求和累计用户-商品对的行为次数
用户行为 -> one-hot编码, 随后仅统计sku_id的行为累计次数，也即使用groupby('sku_id').sum()
用户行为 -> one-hot编码, 随后仅统计user_id的行为累计次数，也即使用groupby('user_id').sum()
用户行为的累计数按照时间进行衰减处理
差评率，好评率，评论数目等级 -> one-hot编码
对于用户而言，不同用户行为下单转化率特征
对于商品而言，不同用户行为下单转化率特征
对于上面的特征使用不同的时间窗口获得不同的统计特征值
亮点1：使用滑窗的统计特征
亮点2：由于最近的行为的影响更大，所以使用了统计量随时间衰减的特征
亮点3：对用户行为特征one-hot编码之后，使得行为次数的统计变得十分方便
亮点4: 构造的线下验证集与线上基本一致，使得线上线下同增同减
思考1：当时的瓶颈应该在覆盖率上，也就是选取一个月的数据作为测试集，覆盖率不够，导致实际发生购买行为的样本根本不在测试集中出现，就更谈不上准确的预测了
思考2：这个问题是一个样本不均衡的问题，也就是正样本的数量不多，由于是第一个比赛，没有想到这个问题