前言：

---

        说来惭愧，本人在两个月之前还是什么都不懂的菜鸟，属于真正的小白一枚，只会对大佬喊666，但是这有什么用。我当现在也忘记了我为什么当时会去参加这个比赛，可能是冥冥之中的缘分吧，哈哈，好了，不说废话，开始进（jie）行（shou）表（pi）演（ping）。

大赛简单介绍：

---

        先给个比赛的链接吧：大数据挑战赛  

        题意简述:赛方给出用户的四个表，包含了用户在快手APP上1-30日的历史行为，本次比赛的目标就是预测接下来7天(31-37)的活跃用户。定义活跃为任意一张表出现过，就为活跃用户。

采用的框架：

---

        由于赛方提供的数据没有label标签，所以需要用滑窗法对数据进行划分，我这边的划分方式具体如下：

        train1  1-16   test1 17-23  register 1-16

        train2  8-23   test2  24-30  register 1-23

        train3 15-30  register 1-30

        可以用train1训练train2进行线下验证，后面train1和train2合并进行预测未来七天的活跃用户的概率。

EDA分析：

---

        说实在，这个EDA分析我到现在还是很懵逼，但是因为有大佬进行了分享，我知道了一些异常数据在注册日期为24号、注册类型为3，设备类型为1或83或223，这部分异常数据大概有一万四千个，后面我把这几个用户的概率都置为0，大概能涨十万分之七。这也算的上是一个蛇皮操作了，但这是不是我想出来的，是一个热心的大佬告诉我的，非常感谢他٩(๑>◡<๑)۶ 。

特征工程：

---

        特征工程我也不是很会，我都是一些基本的统计，mean，max，count，min，std，kurt，skew，还有一些比率这些特征，这应该就是我分数一直不高的原因。

        这个题目我个人觉得一些比率特征比较好，比如我把device_type/register_type，这一个特征就给我涨了挺多的分。

        至于群里一些大佬对device_type说的分箱操作，我试了没用，可能是我的姿势不对吧，我只是简单的if--else，大佬应该是用到了k-mean聚类算法之类的，这些我也不是很会。当然群里大佬还说了对数据进行加权，但是我这个我没有试过，因为我根本不会啊(╥╯^╰╥)。

        这个比赛还有很多东西我没有想到，当然有的想到我也无法实现，快手的视频肯定会存在一些僵尸粉，这些怎么判断出来我是不会的，还有怎么去判断一个用户是否一直关注某个高级用户之类的。

模型选择：

---

        接下来就是模型选择的，我从最开始就一直用的是lgb，打算一个模型用到老(⊙_⊙)，后面我的单模型实在是干不上去了，具体原因我认为有两个，一个是我特征的问题，特征没有提取到位，还有没有筛选出更好的特征组合，二是就是我目前对树模型还是一知半解，只是个调包侠，对其原理不了解，所以参数的设置也是有问题的。

        后面我就又组了一套新的特征也用lgb进行训练，稍微变化了一些参数，然后进行加权融合，终于让我线上涨了十万分之6左右，然后后面就又卡住了。

        后面我又试了xgb、catboost、xgb+lr、mlp，结果都是不那么理想，但是融合总是有点收益的，还是涨了一点分。

        关于融合的方面，我还是很欠缺的，大佬们用的是Blending，stacking之类的，我只是简单的加权而已。这方面还是要继续加强的。

一点感想：

---

        第一次参加比赛，从一个小白到次小白，心里还是有点高兴的，相比之前每一天看电影吃鸡是不那么爽，但是比赛让我又了提升。科赛这个平台也挺好的，有问题都会及时的帮你解决的，很棒。

        群里的气氛很好，大佬们都很活跃，很乐意分享，特别是每周的周周星，能学到很多东西，在此非常感谢他们。最后，我要非常感谢畅哥，是我在比赛认识的一个特别好的博士，他一直帮助我，对我不厌其烦的讲解，愿善良的人儿都会快乐每一天哈。

        最后，说下我最终的名次吧，44名：

最后两次还交炸了。。。

我终究还是个菜鸟，但是我接下来会继续努力的，也欢迎一些愿意跟我一起交流组队的找我哈。。。

我的代码还没整理，写的乱七八糟的，等有时间整理的上传上去，望大佬们轻喷！！！！