个人O2O完成记录

概述

O2O比赛链接

主要参考了 FNo0的baseline与wepe的特征工程。

为了方便特征提取和优化可读性，使用了面向对象编程，封装了特征提取器(FeatureExtractor)这一特征提取器类，在类中进行日期、历史、标签、线上特征的提取。

截止2025/04/09，本地训练auc:0.90674,线上测评0.7817
2025/04/09，修正用户最近一次领券据考察日的时间间隔和最远一次领券据考察日的时间间隔主键错误的bug，提高至0.7844 ~~提高约等于0~~
2025/04/10 通过调整参数，最高达到了0.7977

区间划分

采用了主流的时间窗口划分法，即依据领券日期进行了划分

因为是采用的领券日期进行划分，故直接筛掉了未领券人数 ~~拼好码没有意识到的点~~
以下时间窗口均为左闭右开两种划分方案：

wepe方案

训练集
历史区间：20160101,20160413 标签区间：20160414,20160514
验证集
历史区间：20160201,20160514 标签区间；20160515,20160615
测试集
历史区间：20160315,20160630 标签区间：20160701,20160801

代码：

#训练集
train_history_field = off_train[off_train['date_received'].isin(pd.date_range('20160101','20160413'))] #[2016/1/1,2016/4/13)
train_label_field = off_train[off_train['date_received'].isin(pd.date_range('20160414','20160514'))] #[2016/4/14,2016/5/14)
#验证集
validate_history_field = off_train[off_train['date_received'].isin(pd.date_range('20160201','20160514'))] #[2016/2/1,2016/5/14)
validate_label_field = off_train[off_train['date_received'].isin(pd.date_range('20160515','20160615'))] #[2016/5/15,2016/6/15)
#测试集
test_history_field = off_train[off_train['date_received'].isin(pd.date_range('20160315','20160630'))]  # [2016/3/15,2016/6/30)
test_label_field = off_test.copy()  # [20160701,20160801)

FNo0方案 训练集：

历史窗口：60 天
中间窗口：15 天
标签窗口：31 天

验证集 & 测试集：结构类似，按顺序滑动

代码：

train_history_field = off_train[
    off_train['date_received'].isin(pd.date_range('2016/3/2', periods=60))]  # [20160302,20160501)
train_middle_field = off_train[off_train['date'].isin(pd.date_range('2016/5/1', periods=15))]  # [20160501,20160516)
train_label_field = off_train[
    off_train['date_received'].isin(pd.date_range('2016/5/16', periods=31))]  # [20160516,20160616)
# 验证集历史区间、中间区间、标签区间
validate_history_field = off_train[
    off_train['date_received'].isin(pd.date_range('2016/1/16', periods=60))]  # [20160116,20160316)
validate_middle_field = off_train[
    off_train['date'].isin(pd.date_range('2016/3/16', periods=15))]  # [20160316,20160331)
validate_label_field = off_train[
    off_train['date_received'].isin(pd.date_range('2016/3/31', periods=31))]  # [20160331,20160501)
# 测试集历史区间、中间区间、标签区间
test_history_field = off_train[
    off_train['date_received'].isin(pd.date_range('2016/4/17', periods=60))]  # [20160417,20160616)
test_middle_field = off_train[off_train['date'].isin(pd.date_range('2016/6/16', periods=15))]  # [20160616,20160701)
test_label_field = off_test.copy()  # [20160701,20160801)

特征工程

目前完成的特征

标签区间特征

该部分主要利用了数据的leakage，即：若用户重复领券，特别是重复领取了相同的优惠券，那么使用上一张优惠券的概率会大大提高。

用户领券数
用户领取特定优惠券数
用户当天领券数
用户当天领取特定优惠券数
用户是否重复领券
用户最近\最远一次领券据考察日的时间间隔（考察日取领券日期最大值）
是否第一次\最后一次领券
用户该日之前\之后领券数(出现问题，准备重写)
用户领取了多少优惠券
距离用户上一次领取的时间间隔（出现问题，准备重写）
商户被领取了多少优惠券
商户发行了多少种优惠券
上旬\中旬\下旬领券数
用户领取特定商家优惠券数
商家被领取的特定优惠券数
用户领取满减券数

历史区间特征

用户特征

用户历史消费次数
用户历史领券数
用户历史核销次数
用户核销率
用户对商家券的15天内核销次数
上旬领券次数
中旬领券次数
下旬领券次数
领取并使用满减券次数
领取并使用非满减券次数
核销优惠券的平均折扣率
核销优惠券的最高折扣率
核销优化券的最低折扣率
核销优惠券的平均距离
核销优惠券的最大距离
核销优惠券的最小距离
在多少不同商家领取并消费优惠券

商户特征

总含优惠销售次数
商家优惠券被领取次数
商家被哪些不同客户领取
商家的券被核销的次数
商家提供的不同优惠券种数
发放满减券次数
领取非满减券次数
优惠券的平均折扣率
优惠券的最高折扣率
核销优化券的最低折扣率
核销优惠券的平均距离
消费的平均距离
核销优惠券的最大距离
核销优惠券的最小距离

优惠券特征

优惠券被领取的次数
优惠券15天内被核销的次数
优惠券15天内的被核销率
15天内被核销的平均时间间隔
满减最低消费中位数
满减券被领取次数
非满减券被领取次数
核销优惠券的平均折扣率
核销优惠券的平均距离

用户-优惠券特征

用户领取该种优惠券数量
用户核销该商户优惠券的数量
核销优惠券的平均折扣率
核销优惠券的最高折扣率
核销优化券的最低折扣率
核销优惠券的平均距离
核销优惠券的最大距离
核销优惠券的最小距离

商家-优惠券特征

优惠券被领取的次数
平均被核销多少张
优惠券15天内被核销的次数
优惠券15天内的被核销率
15天内被核销的平均时间间隔
满减最低消费中位数
领取满减券次数
领取非满减券次数
核销优惠券的平均折扣率
核销优惠券的平均距离

用户-商家特征

历史消费次数
历史领券数
用户核销次数

在线特征

在线区间未按时间窗口进行划分

用户特征
用户在线操作次数
用户在线购买数
用户在线点击数
用户在线不消费数
用户线上核销数
用户线上领取率
用户线上购买率
用户线上点击率
用户线上核销率

时间特征

领券为周几（独热编码表示）
是否为工作日/休息日
在一个月的第几天领取

组合特征

用户线下的优惠券核销次数占线上线下总的优惠券核销次数的比重
用户线下领取的记录数量占总的记录数量的比重

总结

“拼好码”的前提是读懂代码，对提取的特征把握不清晰约等于没有提取，目前而言，AI其实是不聪明的。
不能把握这个特征的具体情况就贸然使用代码，反而会降低模型可信度。