在此处输入标题

未分类

1.我们问一下联通的工作人员，一个IMEI对应一个手机，一个IMEI有多条记录是因为这个手机换了不同的SIM卡。今天我们会将大家之前问的问题汇总，在论坛中发一个QA帖

那么用户还是原来50万里面的用户吗？是的，大家需要根据这些用户过去一年的数据（2015年1月-2015年12月），预测他们未来三个月（2016年1月-2016年3月）是否会换机

就是要用docker部署一个容器服务，通过这个容器可以访问volumn上的数据。具体操作方法可以通过daocloud右下角询问Daocloud的工程师

IMSI和IMEI一个标示卡，一个标示手机,数据集2里没有IMEI，应该看终端型号是否改变

如果是同一个imei，要考虑是不是山寨机——这数据是有多老啊？

下周我们会开放结果上传，届时会有详细说明。简单的说，赛题一要求上传ppt导出的pdf文档，赛题二要求上传预测结果的csv文件

shujudasai_1.csv第二列是加密后的IMEI。赛题一的两个数据的ID都是加密后的IMEI，可以进行关联。赛题三的数据是IMSI

@lolonger Q13：请问第三个数据里面相同手机品牌型号，在1-8月和9到12月为什么拼写不一样？

A13：联通内部8月-9月之间品牌和机型的标签发生了变化。8月份之前，总部品牌和机型都是英文的；9月份之后，给的都是中文的。由于品牌和机型的标签是总部给的，上海联通没有机型变化对照表，内部一般是8月份的数据用8月份之前的数据预测，9月份之后的数据用9月份之后的数据预测。真实业务数据中会经常出现这类数据质量的问题，赛题数据的真实情况也是对参赛选手的实务能力的考验。

关于“沃+”大赛，选手们问了小科很多问题，小科在此整理解答一下大家常问的问题。

Q1：是否可以结合自带数据？
A1：可以。

Q3：数据一的用户数有642548这么多？为什么distinct imei只有1万多点？
A3：是62万独立用户数。

Q4：请问一下 数据集1中是不是有些记录的轨迹坐标不全？我打开看有多条记录都是某几个小时的坐标数据缺失？
A4：数据集一中的轨迹坐标不全是因为用户的手机没有产生（短信、上网、语音等）业务行为，或者位置位置没有发生大规模移动。

Q5：第一题的第二张表里面（APP记录），一个IMEI对应很多条记录，比如某个IMEI对应16条不同的记录，这是为什么呢？
A5：重复的原因是因为手机出现了换卡的行为，使得一个IMEI对应一个手机；数据集3，终端数据的一个IMSI对应的一张SIM卡。

Q6：请问 问题一的数据样本里有用户性别年龄手机终端的信息，为什么在正式的比赛数据集里就没有这些信息了呢？
A6：具体参赛数据以正式比赛数据为准。

Q7：数据集二中，为什么有些用户没有标签信息？
A7：用户标签信息中有些用户的标签缺失是因为是非上海联通的用户，上海联通的库中没有这部分用户的标签信息。

Q8：数据集1中的示例的经纬度使用的是哪个坐标系？ 用户在1小时内可能是在不停移动的，此时是怎样确定一个小时中的经纬度的？
A8：是单位小时内，用户停留时长最久的经纬度。

Q9：数据集一与数据集二是通过“IMEI”字段来关联吗，数据集一与数据集二的IMEI能对应得上吗？
A9：是可以通过IMEI进行关联。

Q10：数据集一的时间是1月份的，数据集二没有给出时间，命题中说明是会给出八月份的数据，比赛用的数据到底是哪个月的？
A10：数据集一和二都取自十二月底和一月初。

Q11：数据集二的 交往圈规模是依据什么统计的，是本月的通话联系人个数，还是通话与短信的联系人个数。
A11：交往圈是当月产生主被叫通话行为的人数。短信不计入交往圈的数量。

Q12：终端型号 字段是如何统计的，以当月1号使用手机型号为准，还是当月使用天数最多的手机型号为准？
A12：以当月最新的手机为准。

Q13：请问第三个数据里面相同手机品牌型号，在1-8月和9到12月为什么拼写不一样？
A13：联通内部8月-9月之间品牌和机型的标签发生了变化。8月份之前，总部品牌和机型都是英文的；9月份之后，给的都是中文的。由于品牌和机型的标签是总部给的，上海联通没有机型变化对照表，内部一般是8月份的数据用8月份之前的数据预测，9月份之后的数据用9月份之后的数据预测。真实业务数据中会经常出现这类数据质量的问题，赛题数据的真实情况也是对参赛选手的实务能力的考验。

Q14：命题2的比赛打分数据，是来自训练数据集的50万人，还是新人；打分数据的用户也是给定过去1年的历史记录吗？
A14:大家需要根据这些用户过去一年的数据（2015年1月-2015年12月），预测他们未来三个月（2016年1月-2016年3月）是否会换机

Q15：题目二最终生成的模型要以什么样式提交？
A15：最终会要求大家提交对于换机预测概率的CSV文件，每一行是“IMSI，probability”，IMSI是SIM卡编号，probability表示换机的概率，建议数值取小数点后四位，如0.7594。在开放提交后，科赛网会提供结果样例文件供大家参考。

Q16：苹果A1530，A1528算是不同手机吗？
A16：不同国家的同一款手机对应不同的型号，同一个国家，不同运营商的版本（比如：联通2G、联通3GG、通用版等）也不同；同一机型，在用户数据中出现了不同的型号的情况也属于产生换机行为。联通内部做预测的时候，会采用字符串严格匹配的方案确定是否换机，本次比赛也将采用这种方法。

Q17：无法领取DaoCloud优惠券问题怎么办？
A17：如果已经通过科赛网的身份验证，但是无法领域优惠券，可先在DaoCloud网站首页右下角的反馈系统（DaoVoice）联系DaoCloud官方客服。若问题仍然无法解决，请将客服聊天截图发给admin@kesci.com，由科赛网帮助处理。

Q18：请问时空数据表中，每一行坐标数据是当天0点、1点、2点……这样时间排列的数据吗
A18：是的。每一条数据表示每个用户每天的时空行为，共50个字段，除去时间与imei共48个字段，是24个经纬度坐标（lng，lat），每个小时归并一次。

Q19：问题二中的预测结果提交，是否基于经过清洗的36万用户的IMSI名单？
A19：是的。经过清洗的36万用户的IMSI名单，可以“比赛规则”页面中进行下载，去除了有数据质量问题的主要数据（有小部分数据，仍存在数据质量问题）。

Q20：如果某用户在12月份为Coolpad 7295，到次年1月为Yulong 7295，这是否判定为换机？
A20：是的。为了确保可操作性，换机的定义将严格定位为终端型号发生变化。经过数据检测，问题中所描述的这种情况，在经过清洗的36万用户的IMSI名单中，仅占到极小的比例，对预测和成绩的影响有限，故不再进行规则调整。

赛题描述：用户需要根据2015年1月-2015年12月的“用户终端使用变迁”数据，预测用户在2016年1月-2016年3月期间，是否会更换手机。
数据清洗：“用户终端使用变迁”数据中一共有不重复的IMSI 50万条，但是其中会有部分字段缺失，为了降低选手数据清洗和预测的难度，科赛网决定使用比较严格的数据清洗规则，去掉2015年1月-2016年3月，所有含有缺失值（""和""）的数据条目，去除之后剩余360698行数据，剩余数据的IMSI见需要预测的IMSI 。
换机标准：
将用户2015年12月的终端品牌、终端型号与2016年1月—2016年3月的终端品牌、终端型号相比较（严格字符串匹配），如果发生了变化，则这部分用户发生了换机行为 。
具体代码：

数据说明及比赛提示：

选手可以选择只用9-12月的数据进行训练和测试；也可以用1-8月和9-12月的数据分别训练和测试模型，最后融合；还可以用自然语言处理的方法将1-8月和9-12月描述发生变化的终端品牌和终端型号建立对照字典。
为保证比赛与实际业务场景相符，2016年1-3月的数据没有公开，选手需要在2015年1-12月的数据上自行划分训练集和测试集。