2018**高校计算机大赛——大数据挑战赛
本次大赛基于脱敏和采样后的数据信息，预测未来一段时间活跃的用户。参赛队伍需要设计相应的算法进行数据分析和处理，比赛结果按照指定的评价指标使用在线评测数据进行评测和排名，得分最优者获胜。
大赛提供脱敏和采样后用户行为数据，日期信息进行统一编号，第一天编号为 01， 第二天为 02， 以此类推，所有文件中列使用 tab 分割。
1.注册日志
| 列名 | 类型 | 说明 | 示例 |
|---|---|---|---|
| user_id | Int | 用户唯一标识（脱敏后） | 666 |
| register_day | String | 日期 | 01, 02 .. 30 |
| register_type | Int | 来源渠道（脱敏后） | 0 |
| device type | Int | 设备类型（脱敏后） | 0 |
2.APP 启动日志
| 列名 | 类型 | 说明 | 示例 |
|---|---|---|---|
| user_id | Int | 用户唯一标识（脱敏后） | 666 |
| day | String | 日期 | 01, 02 ..30 |
3.拍摄日志（video_create_log.txt）
| 列名 | 类型 | 说明 | 示例 |
|---|---|---|---|
| user_id | Int | 用户唯一标识（脱敏后） | 666 |
| day | String | 拍摄日期 | 01, 02 .. 30 |
4.行为日志
| 列名 | 类型 | 说明 | 示例 |
|---|---|---|---|
| user_id | Int | 用户唯一标识（脱敏后） | 666 |
| day | String | 日期 | 01, 02 ..30 |
| page | Int | 行为发生的页面。每个数字分别对应“关注页”、”个人主页“、 ”发现页“、”同城页“或”其他页“中的一个 | 1 |
| video_id | Int | video id（脱敏后） | 333 |
| author_id | Int | 作者 id（脱敏后） | 999 |
| action_type | Int | 用户行为类型。每个数字分别对应“播放“、”关注“、 ”点赞“、”转发“、”举报“和”减少此类作品“中的一个 | 1 |
我们将“在未来7天（即第31天至第37天）内使用过APP（在上述任一类型日志中出现过）的用户定义为“活跃用户”，参赛选手需要从“注册日志”中预测出这些用户。
提交结果格式为：
| 列名 | 类型 | 说明 | 示例 |
|---|---|---|---|
| user_id | Int | 用户唯一标识 | 666 |
要求每行一个 user_id，user_id 需要从提供给的“注册日志”中选取。
初赛
设参赛选手提交的用户集合为 M，实际上未来 7 天内使用过快手的用户集合为 N ，且集合 N 是提供给选手的注册用户的子集。
选手提交结果的 F1 Score 定义为：
最终使用 F1 Score 作为参赛选手得分。F1 Score 越大，代表结果越优，排名越靠前。
复赛
为了提升复赛中选手成绩的区分度，复赛的评测指标改为AUC。
初赛评价指标F1
和队友融合A榜达到0.822788，B榜达到0.81985。
初赛模型一直比较稳，但这也是最后的辉煌了。
没有特别关注阈值，AB榜都一直提交的前25000个。
复赛换了auc一直做不上去，我也不知道为什么，最终28名，很遗憾。
这里就只分享我初赛的方案。
model_4这套方案采用标签不重叠的划窗：
train1:用户1-9，历史信息1-9，标签10-16；
train2:用户1-16，历史信息8-16，标签17-23；
train3:用户1-23，历史信息15-23，标签24-30；
test:用户1-30，历史信息22-30。
model_2这套方案采用划窗
train1:用户1-19，历史信息1-19，标签20-26
train2:用户1-20，历史信息2-20，标签21-27
train3:用户1-21，历史信息3-21，标签22-28
train4:用户1-22，历史信息4-22，标签23-29
train5:用户1-23，历史信息5-23，标签24-30
test:用户1-30，历史信息12-30
特征工程不同
队友开源：https://github.com/FNo0/2018-KUAISHOU-Top28 这个比赛我们一共四个模型
方案整理的不够详细，如果有什么疑问，可以按照github上邮箱进行联系972913434@qq.com