2022 年 MathorCup 高校数学建模挑战赛——大数据竞赛(北京移动用户体验影响因素研究高级版代码(迁移学习+kmeas聚类强特征生成))

赛道 B：北京移动用户体验影响因素研究

移动通信技术飞速发展，给人们带来了极大便利，人们也越来越离不开移动通信技术带来的各种便捷。随着网络不断的建设，网络覆盖越来越完善。各个移动运营商，越来越重视客户的网络使用体验，从而进一步提升网络服务质量。客户满意度是客户对运营商产品服务的满意程度，反映了客户期望与实际感知的产品服务之间的差异。特别是在信息透明、产品同质化的今天，客户满意度的表现成为各大运营商市场运营状况的重要体现。数字经济时代，各大运营商需要运用数字经济的管理理念和技术手段，建立客户体验生态的全方位系统性测评体系，实现客户满意度评测的数字化转型，让客户体验赋能商业决策，让商业决策真正服务客户，共同推动移动网络高质量可持续发展。

下面给出针对问题二的整体思路和代码(后续继续分析，不再重复收费，购买后加好友一对一指导):

骚操作,让评委眼前一亮(迁移学习+Kmeans聚类特征生成):

方案一，迁移学习:源域与目标域。材料所给有两个训练集，一个语音满意度样本一个上网满意度样本。两个样本有重复特征，因此考虑通过一定规则将语音满意度样本迁移到满意度样中，即选取分布一致的样本加入其中，作为新的训练集进行预测。然后继续训练lightgbm、xgboost、catboost、lr、knn、随机森林等五种模型训练，最后选择预测效果最好的几类模型融合。融合方法(Stacking，几何加权等)(代码如下)

​

 

方案二，通过分析发现训练集已有特征，测试集没有，并且损失特征与label具有强相关，分析发现发现'网络覆盖与信号强度', '手机上网速度', '手机上网稳定性'与'手机上网整体满意度'呈现高相关，而这类特征只出现在训练集，并未在测试集出现，因此，类别特征将测试集进行Kmeans聚类，如果是连续特征则使用回归预测。补充这类特征。具体代码如下