天池上面的ofo比赛https://tianchi.aliyun.com/getStart/information.htm?spm=5176.100067.5678.2.37521db77jhih7&raceId=231593
数据
本赛题提供用户在2016年1月1日至2016年6月30日之间真实线上线下消费行为，预测用户在2016年7月领取优惠券后15天以内的使用情况。
注意： 为了保护用户和商家的隐私，所有数据均作匿名处理，同时采用了有偏采样和必要过滤。
评价方式
本赛题目标是预测投放的优惠券是否核销。针对此任务及一些相关背景知识，使用优惠券核销预测的平均AUC（ROC曲线下面积）作为评价标准。 即对每个优惠券coupon_id单独计算核销预测的AUC值，再对所有优惠券的AUC值求平均作为最终的评价标准。 关于AUC的含义与具体计算方法，可参考维基百科
解题思路来源：https://github.com/wepe/O2O-Coupon-Usage-Forecast
笔者这里进行了总结归纳
DATA/data_origin是原始数据
DATA/data_preprocessed是预处理过的数据
code/ofoFeature.ipynb提取特征即由 data_origin产生data_preprocessed
code/Xgboost.ipynb模型训练
更多解析请看笔者的博客：https://blog.csdn.net/weixin_42001089/article/details/85013073?spm=5176.12282029.0.0.1738311fQ5fMqg
python-Machine-learning-master.zip （67个子文件） 
python-Machine-learning-master Xgboost 
.DS_Store 6KB .idea modules.xml 266B workspace.xml 376B Xgboost.iml 284B code ofoFeature.ipynb 33KB Xgboost.ipynb 13.23MB README.md 1KB Data data_origin 
ccf_offline_stage1_train.rar 10.37MB ccf_offline_stage1_test_revised.rar 750KB sample_submission.rar 195B data_preprocessed ProcessDataSet2.rar 3.65MB ProcessDataSet3.rar 1.77MB ProcessDataSet1.rar 2.44MB LogisticRegression 
train_data.txt 4KB chinese_data original data.txt 43.93MB demand prediction.txt 1KB english_data english_big.txt 111KB english.txt 76KB readme.txt 7KB LogisticRegression.py 2KB README 234B PCA README 60B PCA.py 1KB Lightgbm Santander_Customer_Transaction_Prediction kernel.ipynb 19KB LANL Earthquake Prediction EarthquakePrediction.ipynb 1.3MB README.md 48B .DS_Store 6KB AdaBoost README 59B AdaBoost.py 3KB tensorflow LSTM photo 
train.png 50KB graph.png 63KB originaltest.png 73KB test.png 53KB dataSet 说明.txt 144B code Model ModelTest.ipynb 4KB Batch.py 1KB ModelTrain.ipynb 35KB Preprocess Sampler.ipynb 7KB LabelGroup.ipynb 5KB ExtractionFeatures.ipynb 14KB normalization.ipynb 8KB README.md 943B basic operation tensorflow_test_C.py 4KB tensorflow_test_R.py 4KB K-Means K-Means.py 3KB city.txt 2KB README 257B .DS_Store 6KB Decision_tree Decision_tree.py 1KB README 82B tree.py 2KB source _data.txt 132B README 45B Naive_Bayes GaussianNB.py 3KB MultinomialNB.py 6KB README 921B BernoulliNB.py 2KB KNN README 527B KNN.py 486B SVM SVM_SVR.py 1KB README 1KB SVM_SVC.py 6KB linear regression linear regression.py 1KB README 406B RandomForest RandomForestRegressor.py 2KB README 899B RandomForestClassifier.py 5KB资源评论
