全国大学生数据统计与分析竞赛2021年【本科组】-B题：战胜市场: 应用基于熵权平衡的 CatBoost 二分类模型和改进 RFM 用户价值模型

目录

摘要

1 引言

1.1 问题描述

1.2 我们的思考

1.3 本文主要工作与创新点

2 模型假设

3 符号说明与术语解释

3.1 符号说明

3.2 术语解释

4 任务一、数据预处理

4.1 缺失值处理

4.2 异常值处理

4.3 重复值处理

4.4 数据类型转换

5 任务二、数据分析与可视化

5.1 用户维度

5.2 产品维度

5.3 行为维度

6 任务三、模型的建立、评估与分析

6.1 任务背景与建模概述

6.2 特征工程

6.2.1 构造新特征

6.2.2 特征编码

6.3 模型构建

6.3.1 熵权平衡——加权交叉熵

6.3.2 CatBoost 算法

6.4 模型训练

6.5 模型评估

7 模型解释

7.1 特征重要性

7.2 局部可理解性

7.3 决策过程可视化

8 模型评价

8.1 优点

8.2 缺点

9 任务四、给企业的建议

参考文献

代码实现

表 A.1: 超参设置

表 A.2: 数据的偏度和峰度

Listing 1: Preprocessing.py  

 gen_new_features_csv.py

 ModelTraining.py

---

 

摘要

随着中国在线教育行业的不断发展，国内 K12 教育行业竞争日益激烈，因此

如何利用用户数据分析用户价值及行为偏好，并实现精准营销成了该公司的首要

目标。

针对任务一，对 4 份表格的数据进行重复项检查、缺失值填充、异常值修正

等处理，提高数据质量。对