Horse861的博客

原创 Datawhale AI夏令营

本文分享了基于LightGBM的用户行为预测模型优化实践。通过精细化时间特征处理（小时分段、周末行为比例）、用户级聚合特征构建和设备偏好特征，结合高基数特征的混合编码策略（频率编码+标签编码），显著提升了新老用户识别准确率。模型采用交叉验证和精细阈值搜索优化，最终F1分数提升明显。关键发现：时间分布特征最具预测性，用户行为画像比原始事件特征更有效，适度的模型复杂度配合早停策略能平衡过拟合风险。该方案为业务决策提供了可靠的用户识别支持。