یکی از اهداف مهم در دیجی‌کالا، آسان‌تر کردن فرآیند خرید برای کاربران است که با پیش‌بینی رفتار خرید هر کاربر به صورت شخصی‌سازی شده، می‌توان تا حدی به آن نزدیک شد؛ به این معنی که از روی خرید‌های قبلی کاربر، حدس بزنیم که قصد سفارش چه چیزی را دارد. در این مسأله به دنبال این هستیم که بر اساس داده‌ی خرید‌های پیشین کاربران، تخمین بزنیم کالای بعدی خود را از چه category‌ای خریداری می‌کند. دیتای مورد نیاز برای حل این مسئله در فایل X_train.csv قرار دارد. این فایل شامل اطلاعات ۳۰۰ محصول خریداری شده به ازای هر کاربر است. به ازای هر کاربر، ۵ دسته‌بندی بعدی که در خریدهای بعدی‌اش از آن‌ها سفارش ثبت کرده است، در فایل Y_train.csv قرار داده شده است. فرمت داده‌های ورودی: + 'order_id': شناسه‌ی سفارش (چند کالا می‌توانند در یک سفارش با هم خریداری شوند) + 'user_id': شناسه‌ی کاربری که خرید را انجام داده است. + 'created_at': تاریخ انجام خرید + 'product_id': شناسه‌ی کالا + category_id: شناسه‌ی کتگوری کالا داده‌هایی که برای ارزیابی روش پیشنهادی شما استفاده خواهد شد، در فایل X_test.csv قرار دارند. خروجی نهایی باید شامل ستون شناسه‌ی کاربر (شامل تمام کاربران در فایل X_test.csv) و category ای که پیش‌بینی شده در سفارش‌ بعدی از آن‌ خرید خواهد کرد، باشد. فرمت خروجی: | category_id | user_id | |:------------------:|:------------------:| | 10 | 89 | | 15 | 987 | روش ارزیابی: برای محاسبه‌ی نمره‌ این بخش، دسته‌بندی‌ای که شما برای خرید بعدی کاربر پیش‌بینی کرده‌اید با پنج دسته‌بندی بعدی آن کاربر (در ادامه دنباله خرید‌هایش) مقایسه می‌شود و در صورتی که با یکی از آن پنج دسته‌بندی یکسان باشد، نمره کامل را دریافت می‌کنید. نکته: برای ساده‌سازی مسئله، ترتیب category پیش‌بینی شده مهم نخواهد بود. برای هر کاربر فقط یک پیش‌بینی نیاز هست. [دریافت فایل داده ها](https://quera.ir/contest/assignments/32898/download_problem_initial_project/110020/?noconvert=true)