Kaggle - Instacart上位陣解法まとめ

KaggleのInstacart Market Basket Analysis¹の上位陣解法についてまとめました．
参考になりそうでしたら幸いです．

Instacart Market Basket Analysis¹とは

ユーザーが次に注文する商品の予測．

データ構成²

• ユーザー数: 20万
• 注文回数: 340万
• 商品数: 5万

全体の把握には記事²が参考になります．

---

[2位] 2nd Place Solution

• Name: ONODERA
• Kaggle Discussion: https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/38143
• Code: https://github.com/KazukiOnodera/Instacart
• Writeup: http://blog.kaggle.com/2017/09/21/instacart-market-basket-analysis-winners-interview-2nd-place-kazuki-onodera/
• public LB: 0.4094053 -> private LB: 0.4082040

特徴量

• https://github.com/KazukiOnodera/Instacart

予測モデル

• ユーザーがどの商品を買うか(user product pair model)
• 注文しないかどうか(Noneの予測)³

手法

• F1最大化⁴
• XGBoost

備考

• ハイパーパラメータの調整はあんまりしてないらしい．

---

[3位] 3rd-Place Solution Overview

• Name: sjv
• Kaggle Discussion: https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/38097
• Code: https://github.com/sjvasquez/instacart-basket-prediction
• public LB: 0.4092608 -> private LB: 0.4081041

手法

• F1最大化⁴
• Model Stacking⁵
• First-level modesls
  • RNN(LSTM)
  • CNN(6-layer)
  • SGNS⁶(Skip-Gram with Negative Sampling)
  • NNMF⁷(Non-Negative Matrix Factorization)
• Second-level models
  • LightGBM
  • Feedforward NN

---

[4位] 4-th Place Tips

• Name: GeorgeGui
• Kaggle Discussion: https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/38102
• public LB: 0.4092608 -> private LB: 0.4074451

手法

• 買い物かごの大きさによる確率の調整
  • $1.6^{1/n^2}$
  • $n$はバスケットサイズ(買い物かごに入れる商品の数)
  • 次の注文がない場合は$n=1$
  • $n$と次に購入する確率は負の相関
  • $1.6$はGrid Searchで算出
  • ある商品を買うと特定の商品の購入確率が上がる．
• F1最大化⁴
• CatBoost⁸(LightGBMやXGBoostより良かったらしい)
• LDA
• NNMF⁷

意味なかったもの

• lag1データ

---

[9位]　9th place Approach

• Name: KazAnova
• Kaggle Discussion: https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/38100
• Qiita Memo: https://qiita.com/namakemono/items/b3112655fb06a51fd72f
• public LB: 0.4082750 -> private LB: 0.4070609

特徴量

• sh1ng feature, https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/37697
• arboretum feature, https://github.com/sh1ng/arboretum
• 現時点の連続購入記録⁹(streak, リーク情報)
• https://www.kaggle.com/paulantoine/light-gbm-benchmark-0-3692/code
• https://www.kaggle.com/nickycan/lb-0-3805009-python-edition

手法

• F1最大化⁴
• LightGBM
• H2O¹⁰
• Keras NN
• Model Stacking⁵

意味なかったもの

• product/aisle/departmentごとのモデル
• Collaborative filtering²

---

[12位] 12th solution

• Name: plantsgo
• Kaggle Discussion: https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/38110
• Code: https://github.com/plantsgo/Instacart-Market-Basket-Analysis/tree/master
• Qiita Memo: https://qiita.com/namakemono/items/f8fdeba0dbffb6e644a4
• public LB: 0.4080915 -> private LB: 0.4064402

予測モデル

• ユーザーがどの商品を買うか(user product pair model)
• 注文しないかどうか(Noneの予測)³

手法

• Model Stacking
  • 4つのモデルのアンサンブル
    • arbor: arboretum ¹¹
    • lgbm: LightGBM ¹²
    • label1: ユーザーごとに分けて学習
    • label2: 全てシャッフルして学習
  • LBによる重み算出(過学習してそう...)

---

References

---

1. Kaggle Instacart, https://www.kaggle.com/c/instacart-market-basket-analysis ↩

2. Kruegger, How to lift up to Bronze area in a week, https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/36848 ↩

3. Anderson, Predicting "None", https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/35716 ↩

4. Faron, Get Expected F1-Score in O(n²), https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/37221 ↩

5. Gorman, A Kaggler's Guide to Model Stacking in Practice, http://blog.kaggle.com/2016/12/27/a-kagglers-guide-to-model-stacking-in-practice/, 2016. ↩

6. Mikolov, Distributed representations of words and phrases and their compositionality, 2013. ↩

7. Lee, Algorithms for Non-negative Matrix Factorization, http://papers.nips.cc/paper/1861-algorithms-for-non-negative-matrix-factorization.pdf, 2001. ↩

8. Yandex, CatBoost, https://github.com/catboost/catboost ↩

9. Streak, https://www.kaggle.com/mmueller/order-streaks-feature/code ↩

10. H2O, http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science.html ↩

11. sh1ng, arboretum, https://github.com/sh1ng/arboretum ↩

12. sh1ng, Baseline 0.4029970, https://www.kaggle.com/c/instacart-market-basket-analysis/discussion/37697 ↩