2021新网银行比赛“超级传播者”总结

队员：Guass; RankFan; Alsence; 倾兰

赛题理解

本次比赛属于“超级传播者”的识别问题，即二分类（0-1）问题，所使用的的衡量标准是AUC。首先，我们要理解什么是“超级传播者”？
如何有效地识别“超级传播者”。

特征工程

数据包括两部分，一部分是用户画像表，两一部分是用户活跃表，训练集是有标签的数据，测试集无标签。
A榜训练集数据范围从2020年8月-2021年6月，A榜测试集数据为2021年7月。
B榜训练集数据范围从2020年8月-2021年6月，A榜测试集数据为2021年8月。所以切换到B榜之后，没有7月份数据的Label。

首先，观察变量是离散的还是连续的，对离散变量和连续变量分别进行处理

• 基础特征：省份；年龄，脱敏信息：根据身份证信息，

• 统计特征： 进行groupby，做min、max、mean、count、nuique等特征

• Lag and rolling 特征：

• 交叉特征：根据Baseline重要性特征得分，做相关的特征交叉：连在一起或者加除。

• 其他特征：Target Encoding，如何处理Target所造成的的过拟合现象，做关于离散特征的强编码特征：

Baseline

我们团队用的是LightGB模型作为Baseline

模型

树模型：LightGB、XgBoost、CatBoost
神经网络：DAE、TableNet

模型融合：Stacking 或者 平均法