数据预处理：根据附件3中数据文件“ecommercedata-预测.xlsx”中包含第13个月下单的客户，对他们此前一年的购买历史进行数据清洗和转换，得到用户-商品的交互矩阵。

数据预处理的步骤如下：

1. 读取“ecommercedata-预测.xlsx”文件中的数据，并筛选出第13个月下单的客户。
2. 将数据按照用户和商品的维度进行分组，得到用户-商品的交互数据。
3. 对交互数据进行清洗，去除无效的数据和异常值。
4. 将清洗后的交互数据转换成用户-商品的交互矩阵。

具体代码实现如下：

import pandas as pd
import numpy as np

# 读取数据文件
data = pd.read_excel('ecommercedata-预测.xlsx')

# 筛选出第13个月下单的客户
data = data[data['month'] == 13]

# 按照用户和商品的维度进行分组
grouped_data = data.groupby(['userid', 'itemid'], as_index=False)['quantity'].sum()

# 清洗数据，去除无效的数据和异常值
grouped_data = grouped_data[grouped_data['quantity'] > 0]
grouped_data = grouped_data[grouped_data['quantity'] < 100]

# 转换成用户-商品的交互矩阵
user_item_matrix = grouped_data.pivot(index='userid', columns='itemid', values='quantity').fillna(0)

# 将交互矩阵中的值转换为二进制数，表示用户是否购买了该商品
user_item_matrix = np.where(user_item_matrix > 0, 1, 0)

经过以上处理，得到的`user_item_matrix`即为用户-商品的交互矩阵。每一行表示一个用户，每一列表示一个商品，矩阵中的值为0或1，表示用户是否购买了该商品。