第二届翼支付杯大数据建模大赛-信用风险用户识别
.
├── LICENSE
├── README.md
├── dataset
│ ├── dataset1
│ │ ├── base_missing_proc.py
│ │ ├── dataset1.7z
│ │ ├── op_missing_proc.py
│ │ ├── readme.md
│ │ ├── testset
│ │ │ ├── test_a_base.csv
│ │ │ ├── test_a_op.csv
│ │ │ └── test_a_trans.csv
│ │ ├── trainset
│ │ │ ├── train_base.csv
│ │ │ ├── train_op.csv
│ │ │ └── train_trans.csv
│ │ └── tran_missing_proc.py
│ ├── dataset2
│ │ ├── readme.md
│ │ ├── sample_trainset
│ │ │ ├── sample_base.csv
│ │ │ ├── sample_op.csv
│ │ │ └── sample_trans.csv
│ │ ├── testset
│ │ │ ├── test_a_base.csv
│ │ │ ├── test_a_op.csv
│ │ │ └── test_a_trans.csv
│ │ └── trainset
│ │ ├── train_base.csv
│ │ ├── train_op.csv
│ │ └── train_trans.csv
│ └── raw_dataset
│ ├── sample_trainset
│ │ ├── sample_base.csv
│ │ ├── sample_op.csv
│ │ └── sample_trans.csv
│ ├── testset
│ │ ├── submit_example.csv
│ │ ├── test_a_base.csv
│ │ ├── test_a_op.csv
│ │ └── test_a_trans.csv
│ └── trainset
│ ├── train_base.csv
│ ├── train_label.csv
│ ├── train_op.csv
│ ├── train_trans.csv
│ └── 数据字典.doc
├── models
│ ├── logistic_regression
│ │ ├── lr_1_1.py
│ │ ├── output_1_1_1.csv
│ │ └── readme.md
│ └── softmax_regression
└── script
└── dataset_reader.py
[ ] 完善todo list
信用风险用户识别
备注：报名参赛或加入队伍后，可获取数据下载权限。
数据集共分为训练数据集、初赛测试数据集。
训练数据集中的文件包含：
- 黑白样本标签(0/1)：train_label.csv，共47782条数据。
- 脱敏后的用户基础信息：train_base.csv，共47782条数据。
- 脱敏后的用户操作信息：train_op.csv，共2774988条数据。
- 脱敏后的用户交易信息：train_trans.csv，共591266条数据。
初赛测试数据集包含：
- 脱敏后的用户基础信息：test_a_base.csv，共24315条数据。
- 脱敏后的用户操作信息：test_a_op.csv，共1109432条数据。
- 脱敏后的用户交易信息：test_a_trans.csv，共147870条数据
详见数据字典
| 字段名 | 字段说明（数据经过脱敏处理） |
|---|---|
| user | 样本编号，e.g., Train_00000、Train_00001... |
| sex | 性别，编码后取值为： category 0、category 1 |
| age | 年龄，处理后仅保留大小关系，为某一区间的 整数 |
| provider | 运营商类型，编码后取值为： category 0、category 1... |
| level | 用户等级，编码后取值为： category 0、category 1... |
| verified | 是否实名，编码后取值为： category 0、category 1 |
| using_time | 使用时长，处理后仅保留大小关系，为某一区间的 整数 |
| regist_type | 注册类型，编码后取值为： category 0、category 1... |
| card_a_cnt | a类型卡的数量，处理后仅保留大小关系，为某一区间的 整数 | card_b_cnt | b类型卡的数量，处理后仅保留大小关系，为某一区间的 整数 | card_c_cnt | c类型卡的数量，处理后仅保留大小关系，为某一区间的 整数 | card_d_cnt | d类型卡的数量，处理后仅保留大小关系，为某一区间的 整数
| op1_cnt | 某类型1操作数量，处理后仅保留大小关系，为某一区间的 整数 | op2_cnt | 某类型2操作数量，处理后仅保留大小关系，为某一区间的 整数
| service1_cnt | 某业务1产生数量，处理后仅保留大小关系，为某一区间的 整数 | service1_amt | 某业务1产生金额，处理后仅保留大小关系，为某一区间的 整数
| service2_cnt | 某业务2产生数量，处理后仅保留大小关系，为某一区间的 整数
| agreement_total | 开通协议数量，处理后仅保留大小关系，为某一区间的 整数
| agreement1 | 是否开通协议1，编码后取值为： category 0、category 1
| agreement2 | 是否开通协议2，编码后取值为： category 0、category 1
| agreement3 | 是否开通协议3，编码后取值为： category 0、category 1
| agreement4 | 是否开通协议4，编码后取值为： category 0、category 1
| acc_count | 账号数量，处理后仅保留大小关系，为某一区间的 整数
| login_cnt_period1 | 某段时期1的登录次数，处理后仅保留大小关系，为某一区间的 整数
| login_cnt_period2 | 某段时期2的登录次数，处理后仅保留大小关系，为某一区间的 整数
| ip_cnt | 某段时期登录ip个数，处理后仅保留大小关系，为某一区间的 整数
| login_cnt_avg | 某段时期登录次数均值，处理后仅保留大小关系，为某一区间的 整数
| login_days_cnt | 某段时期登录天数，处理后仅保留大小关系，为某一区间的 整数
| province | 省份，处理成 类别编码
| city | 城市，处理成 类别编码
| balance | 余额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1
| balance_avg | 近某段时期余额均值等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1
| balance1 | 类型1余额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1
| balance1_avg | 近某段时期类型1余额均值等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1
| balance2 | 类型2余额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1
| balance2_avg | 近某段时期类型2余额均值等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1
| service3 | 是否服务3用户，编码后取值为： category 0、category 1
| service3_level | 服务3等级，编码后取值为： category 0、category 1
| product1_amount | 产品1金额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1 | product2_amount | 产品2金额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1 | product3_amount | 产品3金额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1 | product4_amount | 产品4金额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1 | product5_amount | 产品5金额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1 | product6_amount | 产品6金额等级，处理成保留大小关系的类别编码： level 1、level 2 ... 例如：level 2 > level 1 | product7_cnt | 产品7申请次数，处理后仅保留大小关系，为某一区间的 整数 | product7_fail_cnt | 产品7申请失败次数，处理后仅保留大小关系，为某一区间的 整数
操作信息
| 字段名 | 字段说明（数据经过脱敏处理） |
|---|---|
| user | 样本编号，e.g., Train_00000、Train_00001... |
| op_type | 操作类型编码，处理成类别编码 |
| op_mode | 操作模式编码，处理成类别编码 |
| op_device | 操作设备编码，处理成类别编码 |
| ip | 设备ip编码，处理成类别编码 |
| net_type | 网络类型编码，处理成类别编码 |
| channel | 渠道类型编码，处理成类别编码 |
| ip_3 | 设备ip前三位编码，处理成类别编码 |
| tm_diff | 距离某起始时间点的时间间隔，处理成如下格式。例如： 9 days 09:02:45.000000000，表示距离某起始时间点9天9小时2分钟45秒 |
交易信息
| 字段名 | 字段说明（数据经过脱敏处理） |
|---|---|
| user | 样本编号，e.g., Train_00000、Train_00001... |
| platform | 平台类型编码，处理成类别编码 |
| tunnel_in | 来源类型编码，处理成类别编码 |
| tunnel_out | 去向类型编码，处理成类别编码 |
| amount | 交易金额，处理后仅保留大小关系，为某一区间的整数 |
| type1 | 交易类型1编码，处理成类别编码 |
| type2 | 交易类型2编码，处理成类别编码 |
| ip | 设备ip编码，处理成类别编码 |
| ip_3 | 设备ip前三位编码，处理成类别编码 |
| tm_diff | 距离某起始时间点的时间间隔，处理成如下格式。例如： 9 days 09:02:45.000000000，表示距离某起始时间点9天9小时2分钟45秒 |
本次比赛采用auc对结果进行评分，评分代码示例：
from sklearn.metrics import roc_auc_score
y_true = [1, 0, 1, 1]
y_pred = [1,0, 1, 0]
score = roc_auc_score(y_true, y_pred)