本项目为泰迪杯2020A题《基于数据挖掘的上市公司高送转预测》，赛题要求针对给出的因子数据,根据经济学意义以及数理统计方法,筛选出对上公司实施高送转方案有较大影响的因子；并利用确定的因子,建立模型来预测哪些上市公司可能会实施高送转, 然后对附件提供的数据,用所建立的模型来预测第８年上市公司实施高送转的情况。
采用stacking集成学习结构，基分类器包括LR, KNN, DecisionTree, ExtraTree, RF, XGBoost。第二层次级分类器采用XGBoost。因为是正负样本不均衡问题，我们采用SMOTE过采样技术对正负样本进行平衡，并采用AUC-Score做为模型评价标准，最终的stakcing模型在测试集上取得了84%的AUC-Score，对应的ROC曲线图片 ROC曲线.png 在项目目录下。具体Stacking架构如项目目录下的图片 stacking.png 所示。
Python (3.6)
numpy (1.19.5)
pandas (1.1.5)
scikit-learn (0.24.1)
数据集直接采用的赛方给定的企业高送转数据集，放在项目目录中的data文件夹下。下载链接可参见：https://pan.baidu.com/s/1RoSeDLhY4-1F2brVq09aQw
提取密码：0t39
-data ------------------- 存放数据
-features_imp ------------------- 存放选出top_n特征以及其重要性
-features_model ------------------- 存放用于特征选择的相关模型
-model ------------------- 存放最终训练的相关模型
-prediction ------------------- 存放对第８年数据的预测结果
-main.py ------------------- 主文件，用于从构建特征工程到模型的训练与评估的pipline
-feature_eng.py ------------------- 特征工程的实现，包括数据预处理、特征选择、降维等
-plot_roc.py ------------------- 用于AUC曲线的绘制
-stacking.py ------------------- stacking集成学习的模型代码
运行:
python main.py \
--features_model load \
--main_model retrain
features_model参数表示选择是否重新开始训练特征选择模型，若需重新训练特征选择模型可将 feature_model 参数设置为 retrain ，否则设置为 load直接加载已经选取好的特征。
main_model参数表示是否重新开始训练主模型（即集成学习模型），若需重新训练主模型可将 main_model 参数设置为 retrain ，否则设置为 load直接加载已经训练并保存好的模型（但前提是模型已经放置于 model目录下）。