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

# 2018-CCF-BDCI-China-Unicom-Research-Institute-top2 =============================================================================================================== ## 主办方：中国计算机学会 & DataFountain & 中国联通研究院 ## 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](https://github.com/guoday)、[林有夕](https://github.com/infturing) 、[小兔子乖乖](https://github.com/PandasCute) **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）