# HI GUIDES 精品旅行服务成单预测
- final rank: 11
比赛说明：[精品旅行服务成单预测](http://www.dcjingsai.com/common/cmpt/%E7%B2%BE%E5%93%81%E6%97%85%E8%A1%8C%E6%9C%8D%E5%8A%A1%E6%88%90%E5%8D%95%E9%A2%84%E6%B5%8B_%E7%AB%9E%E8%B5%9B%E4%BF%A1%E6%81%AF.html)
- **竞赛背景**: **第二届智慧中国杯首发** 皇包车（HI GUIDES）是一个为中国出境游用户提供全球中文包车游服务的平台。
- **比赛目标**:我们提供了5万多名用户在旅游app中的浏览行为记录，其中有些用户在浏览之后完成了订单，且享受了精品旅游服务，而有些用户则没有下单。参赛者需要分析用户的个人信息和浏览行为，从而预测用户是否会在短期内购买精品旅游服务。预测用户是否会在短期内购买精品旅游服务
## 文件结构
|- hi_guide<br/>
| |- data # 比赛提供的原始数据<br/>
| | |- test
| | |- trainingset
| |- features # 特征提取函数<br/>
| | |- action.py # 行为特征<br/>
| | |- comment.py # 评论特征<br/>
| | |- history.py # 历史订单特征<br/>
| | |- profile.py # 用户信息特征<br/>
| | |- train_data.csv # 保存提取的训练特征 <br/>
| | |- test_data.csv # 保存提取的测试集特征 <br/>
| |- log # 模型训练日志<br/>
| |- result # 模型预测结果<br/>
| |- model # 保存训练好的模型和特征重要度分析文件<br/>
| |- data_helper.py # 执行特征提取的代码<br/>
| |- my_utils.py # 工具函数库，主要用到其中的 xgb 特征重要度分析函数<br/>
| |- m1_xgb.py # xgb 模型<br/>
| |- m2_lgb.py # lgb 模型<br/>
| |- m3_cgb.py # catboost 模型<br/>
| |- stacking.py # stacking 模型融合<br/>
| |- get_no_used_features.py # 获取 xgb 和 lgb 中的特征重要度<br/>
## 使用方式
```shell
# run the single model
python -u m1_xgb.py
# run the stacking model
python -u stacking.py
# 注意事项
# train_data, test_data = load_feat(re_get=True, feature_path=feature_path) # 如果没有修改特征，设置re_get=False，就会直接导入之前保存好的特征。
```
[Data Castle 算法竞赛] 精品旅行服务成单预测 final rank 11.zip （56个子文件） 
SJT-code 
__init__.py 0B features __init__.py 27B action.py 34KB profile.py 2KB comment.py 520B history.py 9KB stacking.py 14KB get_no_used_features.py 2KB gridsearch_2_lgb.py 5KB data 结果提交样例.csv 177KB trainingset userProfile_train.csv 953KB orderFuture_train.csv 630KB orderHistory_train.csv 1.2MB userComment_train.csv 885KB action_train.csv 34.37MB test userProfile_test.csv 238KB action_test.csv 8.53MB orderFuture_test.csv 138KB userComment_test.csv 227KB orderHistory_test.csv 302KB my_utils.py 7KB gridsearch_1_xgb.py 5KB lgb_predict.py 1KB data_helper.py 13KB m2_lgb.py 7KB model best_xgb_model.dat 7.25MB xgb_search_feature_score.csv 6KB cgb_record time_left.tsv 13KB learn events.out.tfevents 81KB fold_1_test events.out.tfevents 99KB meta.tsv 141B fold_0_test_error.tsv 29KB fold_0_learn_error.tsv 30KB fold_0_learn events.out.tfevents 99KB fold_0_test events.out.tfevents 99KB fold_2_test events.out.tfevents 99KB learn_error.tsv 24KB fold_0_time_left.tsv 17KB fold_1_learn events.out.tfevents 99KB catboost_training.json 87KB fold_2_learn events.out.tfevents 99KB best_lgb_model.dat 3.01MB xgb.dat 1.47MB
lgb.txt 1.43MB xgb_feature_score.csv 5KB notes.md 7KB .gitignore 48B m3_cgb.py 4KB m1_xgb.py 8KB README.md 2KB log cgb_train.log 104B xgb_train.log 19KB lgb_train.log 5KB lgb_grid_search.log 7KB stacking.log 41KB xgb_grid_search.log 24KB资源评论
