这道 Kaggle 竞赛的价值，不在于做一次普通二分类练习，而在于把一年期交易流水还原成真实可用的客户意图预测任务。目标是针对 8 个商品类别，判断客户在未来 7 天内发生购买的概率，本质上属于零售金融场景下的多标签分类问题。这类题目很适合作为从数据分析迈向机器学习建模的过渡案例。原始输入不是现成宽表，而是交易明细；最终输出也不是分析报告，而是能直接用于内容触达、活动投放和人群筛选的多列概率结果。整个过程覆盖数据理解、时间窗口设计、客户画像构造、AUC 验证和提交生成，具备很强的实战训练价值。文章目录赛题概述数据详解解题思路操作案例优秀案例解析总结赛题概述本案例地址 [[ai-academy] Чего хочет покупатель?](https://www.kaggle.com/competitions/selecting-a-category)。这是一道典型的零售金融场景表格建模题，核心任务是基于客户全年交易记录，预测未来 7 天内在 8 个商品类别上的购买概率。题目表面是多标签二分类，实质更接近用户兴趣判断与内容触达优化，适合练习交易流水理解、时序特征构造、多目标预测、离线验证设计与提交结果组织。相较纯算法演示题，这类任务更贴近真实推荐与精准营销系统，能够体现从原始行为数据到业务可用评分结果的完整建模链路。模块名称内容简介所需技能数据类型应用场景赛题背景题目来源于客户经营与消费预测场景，关注的不是单次交易识别，而是如何从长期交易轨迹中提炼客户在短期内的品类消费倾向。其本质属于基于行为数据的用户画像更新与购买意图建模，带有明显的业务时效性和运营导向。需要具备业务抽象能力，能够把“未来一周是否购买某类商品”转化为可训练的监督学习任务，并结合时间窗口、客户行为强弱、品类偏好迁移等思路完成特征设计。以结构化交易流水为主，包含客户标识、交易日期、交易类别、交易金额，以及多列二元目标标签；在实际扩展中还可结合品类字典和时间上下文。适用于银行 App 内