【中国大数据算法大赛】基于移动网络通讯行为的风险用户识别

【中国大数据算法大赛】基于移动网络通讯行为的风险用户识别

比赛内容评分算法

比赛按如下公式计算得分：
score = 0.6 × auc + 0.4 × F1
其中：
auc值为在测试集上，根据预测结果按照标准auc定义计算的分值；
F1值为针对测试集中实际标签为1（风险用户）的用户，根据预测结果，按照标准F-measure定义计算的分值。

1.数据来源和使用说明

提供45个连续自然日期间，抽样模拟的9999个用户每天的通话、短信、访问网站/App记录的脱敏数据，基于这些用户的移动网络使用行为，判别用户属于风险用户的可能性。
  用户id按照u0001～u9999编号。其中：
• u0001～u4999用户作为训练集，对每个用户给出是否为风险用户的标签（0-非风险用户，1-风险用户），在赛事启动时下发；
• u5000～u6999用户作为初赛阶段测试集A，不带用户风险标签，在初赛阶段下发；
• u7000～u9999用户作为复赛阶段测试集B，不带用户风险标签，在复赛阶段下发。
  数据表中部分列存在空值或NULL，少量uid可能在部分记录表中未出现（代表该用户在此期间没有相应的通话、短信或上网行为）需要自行补充。

2.统计特征

统计每个用户的号码通话的所有与不同的号码数量，以及与均值的差
统计用户通话in、out的不同号码数量，in、out的差值，以及所占比例。
统计一些特殊号码，如opp_head为100的，像运营商的号码；170、171虚拟号码段
统计不同opp_head的unique_count
通话时长的相关统计量，如均值， 最大值，中位数，标准差，最小值等
统计不同call_type下的opp_num
统计不同opp_len下的opp_num

3.任务描述