[private] Predicción del próximo día de compra de usuarios

Resumen:

• Dado un dataset de compras de usuarios en un año debía predecir, para cada user_id, qué product_id compraría y en qué fecha.
• Las columnas eran 4: user_id, product_id, date, quantity.
• Usé la Transformada Rápida de Fourier para ver la serie de compras como Amplitud vs Frecuencia.
• Solo considero las frecuencias que sean máximos locales y me quedo con la más alta de ellas.
• Como f=1/T, obtengo el periodo T. Y se lo sumo al último dia de compra para predecir cuando volverá a comprar ese producto.
• El resultado de la función era un JSON que asocia cada usuario con los productos que comprará y la fecha estimada por el modelo.
• La Figura 2 muestra el error del modelo; en el eje horizontal está la diferencia entre la fecha real de compra y la predicha.

Imágenes:

Figura 1: Porcentaje de accuracy en función del máximo error aceptado. Ver junto a la Figura 2. Ejemplo: Si el error aceptado es 5, entonces todas las predicciones con error entre -5 y 5 suman el 74.1% de las predicciones.

Figura 2: Distribución del error de las predicciones del modelo. En el eje horizontal se tiene la diferencia entre el valor real y el predicho. En el vertical número de predicciones con ese error.