通过useragent，ip，session_id聚集唯一身份访问者

在满足session_id, ip, user_agent以下条件的情况下，给定形式为的网站访问数据，以及可选的时间戳记，请按照以下条件进行操作，如何最好地将会话归类为唯一身份访问者？

session_id：是给每个新访客的ID。它不会过期，但是如果用户不接受cookie /清除cookie /更改浏览器/更改设备，则将不再识别他

IP 可以在不同的用户之间共享（想像一个免费的Wi-Fi咖啡馆，或者您的ISP重新分配IP），他们通常会至少拥有2个家庭和工作场所。

User_agent是浏览器+操作系统版本，可区分设备。例如，用户可能同时使用手机和笔记本电脑，但不太可能使用Windows + Apple笔记本电脑。同一会话ID不可能有多个用户代理。

数据可能看起来像这里的小提琴：http ://sqlfiddle.com/#!2/ c4de40/1

当然，我们在谈论假设，但这是在尽可能接近现实。例如，如果我们在有限的时间内遇到具有不同session_id的相同ip和useragent，则可以合理地假设它是同一用户，但有一些例外情况。

编辑：解决问题的语言是反讽的，它主要是关于逻辑而不是实现。伪代码很好。

编辑：由于小提琴的缓慢性质，您可以选择读取/运行mysql：

select session_id, floor(rand()*256*256*256*256) as ip_num , floor(rand()*1000) as user_agent_id
from 
    (select 1+a.nr+10*b.nr as session_id, ceil(rand()*3) as nr
    from
        (select 1 as nr union all select 2 union all select 3   union all select 4 union all select 5
        union all select 6 union all select 7 union all select 8 union all select 9 union all select 0)a
    join
        (select 1 as nr union all select 2 union all select 3   union all select 4 union all select 5
        union all select 6 union all select 7 union all select 8 union all select 9 union all select 0)b
        order by 1
    )d
inner join
    (select 1 as nr union all select 2 union all select 3   union all select 4 union all select 5
    union all select 6 union all select 7 union all select 8 union all select 9 )e
    on d.nr>=e.nr

这里的一种可能（这实际上是Sean Owen发表的内容的扩展）是定义“稳定用户”。

对于给定的信息，您可以想象制作一个user_id，它是ip的哈希值和一些用户代理信息（伪代码）：

uid = MD5Hash(ip + UA.device + UA.model)

然后，根据您为用户观察到的使用启发式，将这些ID标记为“稳定”或“不稳定”。在给定的时间范围内，这可以是访问次数的阈值，它们的cookie持续的时间长度，您网站上的某些结束操作（我知道这没有在您的原始日志中指出）等。

这里的想法是将不会删除Cookie的用户与不会删除Cookie的用户区分开。

在这里，您可以将session_ids归因于日志中的稳定uid。然后，您将获得相对不确定的不稳定用户的“剩余” session_id。您可能会计算会话的次数过多或不足，如果只有一个，则将行为归于多个人，等等。但是，这至少限于您现在“不太确定”的用户。

然后，您可以对稳定组执行分析，并将其投影到不稳定组。以一个用户计数为例，您知道会话总数，但是不能确定有多少用户生成了这些会话。您可以找到＃个会话/唯一稳定用户，并使用它来预测不稳定组中“估计”数量的唯一用户，因为您知道归因于该组的会话数量。

projected_num_unstable_users = num_sess_unstable / num_sess_per_stable_uid

这对不稳定用户的每个用户级别的调查无济于事，但您至少可以从一组持续一段时间的稳定用户中获得一些收益。您可以通过各种方法来预测项目行为并将其计入不稳定组。上面是您可能想知道的简单示例。总体思路是再次定义一组您有信心的用户，测量您要测量的内容，并使用某些基本事实（搜索次数，访问次数，点击次数等）来投影到未知的用户空间中并进行估算为他们计数。

对于不需要登录的服务，这是唯一的用户计数，日志记录等长期存在的问题。

仅凭此数据您就无能为力，但是您所能做的很少不依赖于机器学习。

是的，来自同一IP但不同用户代理的会话几乎可以肯定是不同的用户。具有相同IP和User-Agent的会话通常是同一用户，但代理/ Wi-Fi接入点除外。您可以通过查看每个IP的会话计数的分布来识别那些，以识别可能的“聚合” IP。来自同一IP /用户代理的会话在时间上的重叠几乎肯定是不同的。

为了进一步区分用户，您需要更多信息。例如，用户连接到的站点或IP地址将成为区分会话的非常坚实的基础。然后，您可以进入更复杂的学习中来确定会话是相同还是不同的用户。