2023招商Fintech数据赛道rank33 赛后分享

赛题需求：
本次比赛为参赛选手提供了两个数据集，即训练数据集(train)和测试数据集(test_A榜/test_B榜)。参赛选手需要基于训练数据集，通过有效的特征提取，构建客户进取类产品配置发生时点预测模型,并将模型应用于测试数据集上,输出测试集客户的资配行为预测:任务1:哪些客户会在任务1：来14天内发生进取类产品配置;（二分类，评价指标F2）
任务2：在任务1的基础上，进一步预测配置行为发生在未来的哪一天。（回归）
难点： 训练标签和测试标签样本不平衡

1. 数据处理：
   删除特征分布较大的特征；缺失值的样本较少（通过数据分析发现，信息缺失严重的用户未来购买理财产品比列很小）；
2. 特征构造
   客户历史购买数据表：
   • 按照购买金额的正负分别构造特征：
     • 金额为负时：mean、min、max、sum、count、nunique。
     • 金额为正时：mean、min、max、sum、count、nunique。
     • 不分正负时：mean、sum、count、nunique。
     • 客户最近购买时间、客户平均购买隔时长、客户购买最大间隔、客户购买最短间隔、客户
       客户历史浏览数据表：
   • 将日期分成时间段（所有浏览记录时是8.1-8.31号的，将其分成四段进行构造特征）：
     • 1-8日统计page_id(网页id)：count、nunique
     • 9-16日统计page_id(网页id)：count、nunique
     • 17-24日统计page_id(网页id)：count、nunique
     • 25-31日统计page_id(网页id)：count、nunique
   • 客户点击序网页列特征：利用word2vec进行训练得到特征向量 （强特）
   • 客户最近点击时间、客户平均点击间隔时长、客户点击最大间隔、客户点击最短间隔
3. 模型和优化
   • 模型：lightgbm、xgboost（最好）、catboost、三者平均
   • 优化：利用对抗验证选择与测试集分布差不多的验证集、搜索最佳F2阈值