Fastai with HuggingFace Transformers 是一个结合了Fastai深度学习库和HuggingFace Transformers库的工具集，旨在简化使用自然语言处理（NLP）中的预训练模型，如BERT、RoBERTa、XLNet、XLM和DistilBERT等。从HuggingFace Transformers中选择适合您任务的预训练模型，并使用Fastai来处理数据

获取基本的用户特征，基于用户本身属性多为类别特征的特点，对age,sex,usr_lv_cd进行独热编码操作，对于用户注册时间暂时不处理。在上面针对用户进行累积特征提取的基础上，分别提取用户近一个月、近三天的特征，然后提取一个月内用户除去最近三天的行为占据一个月的行为的比重。根据商品文件获取基本的特征，针对属性a1,a2,a3进行独热编码，商品类别和品牌直接作为特征。分时间段下各个商品类别的。

详细介绍了数据挖掘流程的相关工作，包括数据清洗、数据理解与分析、特征提取和模型建立等环节。在数据清洗阶段，我们验证了数据集的完整性，处理了数据集中的缺失值，并对各特征数值进行了合理处理。如何筛选了有价值的数据信息，并生成了新的数据源，为后续分析和建模提供了基础。在数据理解与分析阶段，深入理解了各个特征的含义，并通过可视化展示对数据进行了观察和分析。在特征提取阶段从原始数据中提取了与预测目标相关的有