===============================================================================================================
赛道链接：https://www.datafountain.cn/competitions/311/details/data-evaluation
赛程时间：2018.08.28-2018.11.11
参与人:郭大、林有夕 、小兔子乖乖
百度云盘下载链接:为避免数据丢失，提供数据集下载地址链接：https://pan.baidu.com/s/1ow6PLYVvBKfvXwbT88jw5Q 提取码：5hwq
数据集解释：官方下载数据集命名可能不一样
百度云分享数据集我将初赛训练集和测试集分别命名为：train_1.csv,test_1.csv
百度云分享数据集我将复赛训练集和测试集分别命名为：train_2.csv,test_2.csv
数据说明
| 字段 | 中文名 | 数据类型 | 说明 |
|---|---|---|---|
| USERID | 用户ID | VARCHAR2(50) | 用户编码，标识用户的唯一字段 |
| current_type | 套餐 | VARCHAR2(500) | / |
| service_type | 套餐类型 | VARCHAR2(10) | 0：23G融合，1：2I2C，2：2G，3：3G，4：4G |
| is_mix_service | 是否固移融合套餐 | VARCHAR2(10) | 1.是 0.否 |
| online_time | 在网时长 | VARCHAR2(50) | / |
| 1_total_fee | 当月总出账金额_月 | NUMBER | 单位：元 |
| 2_total_fee | 当月前1月总出账金额_月 | NUMBER | 单位：元 |
| 3_total_fee | 当月前2月总出账金额_月 | NUMBER 单位：元 | |
| 4_total_fee | 当月前3月总出账金额_月 | NUMBER | 单位：元 |
| month_traffic | 当月累计-流量 | NUMBER | 单位：MB |
| many_over_bill | 连续超套 | VARCHAR2(500) | 1-是，0-否 |
| contract_type | 合约类型 | VARCHAR2(500) | ZBG_DIM.DIM_CBSS_ACTIVITY_TYPE |
| contract_time | 合约时长 | VARCHAR2(500) | / |
| is_promise_low_consume | 是否承诺低消用户 | VARCHAR2(500) | 1.是 0.否 |
| net_service | 网络口径用户 | VARCHAR2(500) | 20AAAAAA-2G |
| pay_times | 交费次数 | NUMBER | 单位：次 |
| pay_num | 交费金额 | NUMBER | 单位：元 |
| last_month_traffic | 上月结转流量 | NUMBER | 单位：MB |
| local_trafffic_month | 月累计-本地数据流量 | NUMBER | 单位：MB |
| local_caller_time | 本地语音主叫通话时长 | NUMBER | 单位：分钟 |
| service1_caller_time | 套外主叫通话时长 | NUMBER | 单位：分钟 |
| service2_caller_time | Service2_caller_time | NUMBER | 单位：分钟 |
| gender | 性别 | varchar2(100) | 01.男 02女 |
| age | 年龄 | varchar2(100) | / |
| complaint_level | 投诉重要性 | VARCHAR2(1000) | 1：普通，2：重要，3：重大 |
| former_complaint_num | 交费金历史投诉总量 | NUMBER | 单位：次 |
| former_complaint_fee | 历史执行补救费用交费金额 | NUMBER | 单位：分 |
1.配置环境与依赖库
- python3
- scikit-learn
- gensim
- windows环境 内存16G （需linux环境自行更改）
2.运行代码步骤说明
- 先运行 w2v-3.py 相关路径说明在代码中有详细解释
- 再运行 baseline-4.py 生成最终结果
3.特征工程
我们特征工程所有特征命名为列features:包括原始特征，差值特征，W2V特征和stacking_features特征。
其中原始特征包括：origin_num_feature原始数值特征，原始类别特征origin_cate_feature
features = base_features+cont_features+diff_features+w2v_features+stacking_features
-
count特征
single_features=['1_total_fee','2_total_fee','3_total_fee','4_total_fee','former_complaint_fee','pay_num' ,'contract_time','last_month_traffic','online_time']列的计数特征
single_features 与 ['service_type', 'contract_type'] 其中类别的交叉计数特征 -
差值特征
diff_total_fee_1-2-3 代表1到4月total_fee相邻之间的差值
pay_num 与1_total_fee的差值 'month_traffic'与 'last_month_traffic'的差值：这里将小于0的都设为0 'rest_traffic_ratio' -
w2v 特征