2018-CCF-BDCI-China-Unicom-Research-Institute-top2

===============================================================================================================

主办方：计算机学会 & DataFountain & 联通研究院

赛道：2018-CCF大数据与计算智能大赛-面向电信行业存量用户的智能套餐个性化匹配模型

赛道链接：https://www.datafountain.cn/competitions/311/details/data-evaluation
赛程时间：2018.08.28-2018.11.11
参与人:郭大、林有夕、小兔子乖乖
百度云盘下载链接:为避免数据丢失，提供数据集下载地址链接：https://pan.baidu.com/s/1RoGBAknW7O_AfS-x6CSHWA 提取码：bgk2

数据集解释：官方下载数据集命名可能不一样
百度云分享数据集我将初赛训练集和测试集分别命名为：train_all.csv,test_1.csv
百度云分享数据集我将复赛训练集和测试集分别命名为：train_2.csv,test_2.csv

1.数据说明

字段	中文名	数据类型	说明
USERID	用户ID	VARCHAR2(50)	用户编码，标识用户的唯一字段
current_type	套餐	VARCHAR2(500)	/
service_type	套餐类型	VARCHAR2(10)	0：23G融合，1：2I2C，2：2G，3：3G，4：4G
is_mix_service	是否固移融合套餐	VARCHAR2(10)	1.是 0.否
online_time	在网时长	VARCHAR2(50)	/
1_total_fee	当月总出账金额_月	NUMBER	单位：元
2_total_fee	当月前1月总出账金额_月	NUMBER	单位：元
3_total_fee	当月前2月总出账金额_月	NUMBER 单位：元
4_total_fee	当月前3月总出账金额_月	NUMBER	单位：元
month_traffic	当月累计-流量	NUMBER	单位：MB
many_over_bill	连续超套	VARCHAR2(500)	1-是，0-否
contract_type	合约类型	VARCHAR2(500)	ZBG_DIM.DIM_CBSS_ACTIVITY_TYPE
contract_time	合约时长	VARCHAR2(500)	/
is_promise_low_consume	是否承诺低消用户	VARCHAR2(500)	1.是 0.否
net_service	网络口径用户	VARCHAR2(500)	20AAAAAA-2G
pay_times	交费次数	NUMBER	单位：次
pay_num	交费金额	NUMBER	单位：元
last_month_traffic	上月结转流量	NUMBER	单位：MB
local_trafffic_month	月累计-本地数据流量	NUMBER	单位：MB
local_caller_time	本地语音主叫通话时长	NUMBER	单位：分钟
service1_caller_time	套外主叫通话时长	NUMBER	单位：分钟
service2_caller_time	Service2_caller_time	NUMBER	单位：分钟
gender	性别	varchar2(100)	01.男 02女
age	年龄	varchar2(100)	/
complaint_level	投诉重要性	VARCHAR2(1000)	1：普通，2：重要，3：重大
former_complaint_num	交费金历史投诉总量	NUMBER	单位：次
former_complaint_fee	历史执行补救费用交费金额	NUMBER	单位：分

2.配置环境与依赖库

python3
scikit-learn
gensim
Ubuntu

3.运行代码步骤说明

path 根据各自所需路径自行修改
sh run.sh

#!/usr/bin/env bash
python ./src/w2v_feature.py
python ./src/stacking_model.py
python ./src/w2v_feature.py
python ./src/model.py
运行两次 w2v_feature.py是为了增大差异

4.特征工程

    我们特征工程所有特征命名为列**features**:包括原始特征，差值特征，W2V特征和stacking_features特征。         
    其中原始特征包括：origin_num_feature原始数值特征，原始类别特征origin_cate_feature      
    features = base_features+cont_features+diff_features+w2v_features+stacking_features

原始特征
对应函数 origin_cate_feature和origin_num_feature
统计特征
对应函数feature_count
每个月话费，流量，上网时间等进行计数统计每个月话费，流量，上网时间等分别与套餐类型、合约类型交叉统计特征
其他：当月话费占当月话费占比、各同类型流量话费等比例等
差值特征
对应特征列diff_feature_list 1到4月费用相邻之间的差值
其他同类别计数特征之间的差值等
w2v 特征
对应函数w2v_feature
stacking特征
对应函数stacking_feature

5.模型训练

最终成绩：线上复赛B：0.838

6.w2v图tsne.png

详见：plot.py(2018.12.03更新）

HAlicia/2018-CCF-BDCI-China-Unicom-Research-Institute-top2