ariana762 / o2o Goto Github PK

赛题提供用户在2016年1月1日至2016年6月30日之间真实线上线下消费行为，预测用户在2016年7月领取优惠券后15天以内是否核销。评测指标采用AUC，先对每个优惠券单独计算核销预测的AUC值，再对所有优惠券的AUC值求平均作为最终的评价标准。

• 特征工程
  • 采用SW方式对数据集进行特征提取，解决测试集特征缺失问题
  • 题目数据所给特征非常少，对比多种特征提取方法，最终采用人工特征提取效果最优
  • 后续对特征进行缺失值处理、二值化、One-Hot、数据变换、特征选择等
• 模型参数优化
  • 对比LR、SVM、RF、GBDT、XGBoost等多模型后，最终选择XGBoost
  • 采用CV+GridSearch进行参数调优
• 模型融合
  • 对比加权Average和两层Stacking两种融合方式，AUC略微提升
  • 最后采用多个过拟合、欠拟合模型（不同模型）融合，得到最优结果
• 循环调优
  • 根据提交结果，重新筛选特征、调整模型参数、调整融合方式

- intruduction.pdf：详细介绍（配有图文）
- code：特征工程、模型
- result：模型及预测结果
- 成绩.bmp：最终提交成绩

https://github.com/xy2333/O2O