阿里音乐流行趋势预测大赛一起做-（3）思路

最近几个月忙着写论文，比赛给抛到脑后了（汗颜。。）。昨天阿里给了短信通知，说今天可以提交成绩了，于是抓紧搞起，结果也没赶上截止时间（早上10点）提交。无论如何今天也要提交一次成绩试试水。比赛的详细思路其实我也没怎么想好，有一些初步的想法和实践分享一下。

思路

我的想法比较简单，就是先用最简单的方法做一下，提交一次成绩，让自己有参与感，然后在后续不断的迭代更新中提升自己。我们采用倒推方式，首先从提交结果出发开始分析： 
1、需要提交的结果如下： 
 
要预测该表要求的60天数据，首先要将artist_id（表mars_tianchi_songs），Plays（表mars_tianchi_user_actions），Ds（表mars_tianchi_user_actions）统一到一个表中。 
2、下一步就是，如何统一？ 
表mars_tianchi_songs和表mars_tianchi_user_actions有相同的一个列名就是song_id。所以可以将该列名作为key（键值）进行合并。这一步操作可以通过pandas （Python Data Analysis Library）中的merge函数实现。仔细观察后发现两个表的song_id行数不相等，不能直接合并，下一步就是对表做预处理使其能够合并。 
3、如何对表做预处理？ 
歌曲艺人表mars_tianchi_songs是以10842首歌为index的，共有10843行（第一行为列名），基本不需要做预处理。该表部分内容如下： 
 
用户行为表mars_tianchi_user_actions很大，接近500M，总共5652233行，所以必须做数据聚合。该表部分内容如下： 
 
用户行为表有很多列，我们在此考虑最简单情况，只使用song_id, action_type, Ds三列。其中action_type中包含播放，下载和收藏三种情况，我们需要将该变量做成哑变量分离，也就是说最后自己处理后的用户行为表（暂且命名为my_user_actions）最后的列包含： 
song_id, Ds, play_num, download_num, collect_num 
其中后面的play_num, download_num, collect_num分别表示该song播放，下载和收藏的次数。然后表mars_tianchi_songs和表my_user_actions可以以song_id为key进行merge。假设merge后的表名为merge_data。那么该表内容应该如下： 
 
到此已经非常接近于要提交结果的格式了。 
4、下一步就是利用机器学习算法进行预测了。在此推荐先用时间序列分析相关算法。可以用python,R或者weka来做。

工具说明

不同的软件和语言各有其优势，以下是个人看法： 
1、数据预处理阶段 
该阶段推荐使用Python pandas，可以比较方便的实现数据清理、转换、合并等操作。推荐书籍《利用Python进行数据分析》。 
2、算法预测阶段 
目前还没有过多研究，感觉用R和weka比较方便。

一些参考

论坛里有不少大牛给出了一些结果和参考代码，首先感谢这些无私的分享者，在此给出几个链接： 
1、阿里音乐流行趋势预测大赛，数据图像化模块函数 
有代码，有图，赞一个！ 
github代码网址 
 
2、样本数据50名艺人播放量折线图 
在官方论坛的这里发布的，可以简单直观了解一下数据的样子，另外也可以和自己做的结果对比一下，保证自己不会出错。

结语

OK，以上就是我们团队的一个简单思路，希望对赛友有用，也希望各位大神能多交流分享思路。希望大家通过比赛能快速提升自己，取得好成绩！