招商银行2022FinTech精英训练营 - 数据赛道方案分享

97509fc9c70f19b393f2c1eb5d252133.png

老肥今天和大家分享的是招商银行2022FinTech精英训练营的数据赛道

该赛题是表格类赛题,主要是对客户流失进行预测,是一个常规的二分类问题,评价指标为AUC,其特点是A榜和B榜两个阶段是完全不同的打法。

A榜数据是与训练集同分布的数据,而B榜的数据则非同分布,因此成绩变化波动也比较大,下面我们一起从两个不同榜单的不同打法来简单回顾一下本赛题吧。

9279ec6bc0288b77186c93aab81f4cc0.png

A榜思路

* 原始特征简单处理,将“?”字段统一替换为nan缺失值,所有数值特征统一减二,(这里考虑到2是出题方为了脱敏进行的变换,减二还原之后做特征交叉效果更佳)

* 训练集与测试集分布一致,具有同升同降的规律

* 基于特征理解,做的简单交叉验证分数提升非常有限

* 采用暴力全集特征交叉(二阶、加减乘除)、group组合提取偏离值特征以及数值变量与类别变量交叉(三阶)

* 使用特征重要性进行特征遍历筛选,选择线下高于一定得分的模型(使用不同特征组合)进行融合

1ed9cd22daf48985dd7f8ef25c339c37.png

B榜思路

* 观察完数据与其他选手分享的得分之后就一个思路 找毒特 !! 

* 目标就是找到训练集与测试集分布不一致的特征-删除

* 首先通过对抗验证的思路找到auc指标远大于0.5的特征,(这些特征名中有较大一部分带有CUR,猜测测试集中的数据取自和训练集不同的年份,导致差异显著)遂全部删除带有CUR的特征 

* 然后玄学删除特征 (总结发现的主要规律是线下越低,线上越高【奇怪的现象】)

* 上一步骤主要通过特征重要性,迭代删除最重要的特征(和A榜做法相反,以获得更低的线下得分和更高的线上得分)

* 提交进行玄学测试(次数有限,做的很差))

本次比赛最终结果差强人意(A榜第9,B榜第28),感觉自己对于分布差异的特征理解还未完全到位,期待前排的选手来分享分享思路与做法,我开源的本题完整代码可以通过击下方阅读原文直达。

——END——




觉得有用的话,就关注一下吧,感谢支持!

cc3e807302da67fcfecaf21b8367921a.gif点击下面阅读原文看“完整代码”

  • 1
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值