791879258 / dc-hi_guides

[Data Castle 算法竞赛] 精品旅行服务成单预测 final rank 11

HI GUIDES 精品旅行服务成单预测

• final rank: 12

比赛说明：精品旅行服务成单预测

• 竞赛背景: 第二届智慧**杯首发 皇包车（HI GUIDES）是一个为**出境游用户提供全球中文包车游服务的平台。

• 比赛目标:我们提供了5万多名用户在旅游app中的浏览行为记录，其中有些用户在浏览之后完成了订单，且享受了精品旅游服务，而有些用户则没有下单。参赛者需要分析用户的个人信息和浏览行为，从而预测用户是否会在短期内购买精品旅游服务。预测用户是否会在短期内购买精品旅游服务

文件结构

|- hi_guide
|　　|- data　　　　　　　　# 比赛提供的原始数据
|　　|　　|- test　　　　　 |　　|　　|- trainingset　　　　　　 |　　|- features　　　　　　# 特征提取函数
|　　|　　|- action.py　　　　 # 行为特征
|　　|　　|- comment.py　　　　 # 评论特征
|　　|　　|- history.py　　　　 # 历史订单特征
|　　|　　|- profile.py　　　　 # 用户信息特征
|　　|　　|- train_data.csv　　 # 保存提取的训练特征 　
|　　|　　|- test_data.csv　　　# 保存提取的测试集特征　
|　　|- log　　　　　　　　# 模型训练日志
|　　|- result　　　　　　 # 模型预测结果
|　　|- model　　　　　　 # 保存训练好的模型和特征重要度分析文件
|　　|- data_helper.py　　# 执行特征提取的代码
|　　|- my_utils.py　　 # 工具函数库，主要用到其中的 xgb 特征重要度分析函数
|　　|- m1_xgb.py　　 # xgb 模型
|　　|- m2_lgb.py　　 # lgb 模型
|　　|- m3_cgb.py　　 # catboost 模型
|　　|- stacking.py　　 # stacking 模型融合
|　　|- get_no_used_features.py　　 # 获取 xgb 和 lgb 中的特征重要度

使用方式

# run the single model
python -u m1_xgb.py
# run the stacking model
python -u stacking.py
# 注意事项
# train_data, test_data = load_feat(re_get=True, feature_path=feature_path)  # 如果没有修改特征，设置re_get=False，就会直接导入之前保存好的特征。