机器黑客ML商品流行度预测数据集
数据来源：互联网公开数据
标签：商品流行度预测,多分类分类,特征工程,机器学习,商业分析
数据概述：
本数据集来源于印度一家顶级服装品牌，包含了商品类别、评分和店内存在情况等详细信息。数据集旨在帮助品牌预测商品在特定市场中的流行程度，从而优化市场推广策略。数据集分为训练集和测试集，训练集包含18208行和12列（其中一列为目标变量“流行度”），测试集包含12140行和11列。
数据用途概述：
该数据集适用于商品流行度预测、多分类分类建模和特征工程等场景。企业可以通过分析训练数据优化商品推广策略，提升商品在不同市场的流行程度。此外，该数据集也适合用于教育培训，帮助学习者掌握多分类模型的构建与优化方法。
举例：
数据集中的字段包括store_ratio（店铺比率）、basket_ratio（购物篮比率）、category_1（类别1）、store_score（店铺评分）、category_2（类别2）、store_presence（店铺存在情况）、score_1至score_4（不同评分）、time（时间）、popularity（流行度，目标变量）。参赛者需要根据这些特征预测商品的流行度等级。
参赛者需使用多分类分类模型，并通过高级特征工程优化模型性能，最终以多分类对数损失（Multi-Class log loss）作为评价指标。提交结果时，需生成一个包含12140行和5列（分别为0, 1, 2, 3, 4五个流行度等级概率）的csv或xlsx文件。
