【飞桨学习赛:MarTech Challenge 点击反欺诈预测】第10名方案

该内容展示了一个模型从基线版本V1到V5的迭代过程,分数从86.746提升至89.0787。过程中进行了数据探索,处理缺失值和object类型字段,优化特征工程(如构造面积、时间差等特征),尝试LightGBM、XGBoost等模型,采用交叉验证,最终得到分数89.1093的最佳版本。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

【飞桨学习赛:martech challenge 点击反欺诈预测】第10名方案 - 创想鸟

In [ ]

#best版本-89.1093分数import pandas as pdimport warningswarnings.filterwarnings('ignore')# 数据加载和去除Unnameed字段train = pd.read_csv('./train.csv')test = pd.read_csv('./test1.csv')train = train.iloc[:, 1:]test = test.iloc[:,1:]res = pd.DataFrame(test['sid'])# 去除数据探索发现问题的字段col = train.columns.tolist()remove_list = ['lan', 'os','label', 'sid']for i in remove_list:    col.remove(i)features = train[col]test_features = test[col]# 对osv进行数据清洗def osv_trans(x):    x = str(x).replace('Android_', '').replace('Android ', '').replace('W', '')    if str(x).find('.')>0:        temp_index1 = x.find('.')        if x.find(' ')>0:            temp_index2 = x.find(' ')        else:            temp_index2 = len(x)         if x.find('-')>0:            temp_index2 = x.find('-')                    result = x[0:temp_index1] + '.' + x[temp_index1+1:temp_index2].replace('.', '')        try:            return float(result)        except:            print('有错误: '+x)            return 0    try:        return float(x)    except:        print('有错误: '+x)        return 0features['osv'].fillna('8.1.0', inplace=True)features['osv'] = features['osv'].apply(osv_trans)test_features['osv'].fillna('8.1.0', inplace=True)test_features['osv'] = test_features['osv'].apply(osv_trans)# 对timestamp进行数据清洗与特征变换,from datetime import datetimefeatures['timestamp'] = features['timestamp'].apply(lambda x: datetime.fromtimestamp(x/1000))test_features['timestamp'] = test_features['timestamp'].apply(lambda x: datetime.fromtimestamp(x/1000))temp = pd.DatetimeIndex(features['timestamp'])features['year'] = temp.yearfeatures['month'] = temp.monthfeatures['day'] = temp.dayfeatures['hour'] = temp.hourfeatures['minute'] = temp.minutefeatures['week_day'] = temp.weekday #星期几start_time = features['timestamp'].min()features['time_diff'] = features['timestamp'] - start_timefeatures['time_diff'] = features['time_diff'].dt.days + features['time_diff'].dt.seconds/3600/24temp = pd.DatetimeIndex(test_features['timestamp'])test_features['year'] = temp.yeartest_features['month'] = temp.monthtest_features['day'] = temp.daytest_features['hour'] = temp.hourtest_features['minute'] = temp.minutetest_features['week_day'] = temp.weekday #星期几 test_features['time_diff'] = test_features['timestamp'] - start_timetest_features['time_diff'] = test_features['time_diff'].dt.days + test_features['time_diff'].dt.seconds/3600/24features = features.drop(['timestamp'],axis = 1)test_features = test_features.drop(['timestamp'],axis = 1)# 对version进行数据清洗与特征变换def version_trans(x):    if x=='V3':        return 3    if x=='v1':        return 1    if x=='P_Final_6':        return 6    if x=='V6':        return 6    if x=='GA3':        return 3    if x=='GA2':        return 2    if x=='V2':        return 2    if x=='50':        return 5    return int(x)features['version'] = features['version'].apply(version_trans)test_features['version'] = test_features['version'].apply(version_trans)features['version'] = features['version'].astype('int')test_features['version'] = test_features['version'].astype('int')# 对lan进行数据清洗与特征变换 对于有缺失的lan 设置为22    lan_map = {'zh-CN': 1, 'zh_CN':2, 'Zh-CN': 3, 'zh-cn': 4, 'zh_CN_#Hans':5, 'zh': 6, 'ZH': 7, 'cn':8, 'CN':9, 'zh-HK': 10, 'tw': 11, 'TW': 12, 'zh-TW': 13,             'zh-MO':14, 'en':15, 'en-GB': 16, 'en-US': 17, 'ko': 18, 'ja': 19, 'it': 20, 'mi':21} train['lan'] = train['lan'].map(lan_map)test['lan'] = test['lan'].map(lan_map)train['lan'].fillna(22, inplace=True)test['lan'].fillna(22, inplace=True)# 构造面积特征和构造相除特征features['dev_area'] = features['dev_height'] * features['dev_width']test_features['dev_area'] = test_features['dev_height'] * test_features['dev_width']features['dev_rato'] = features['dev_height'] / features['dev_width']test_features['dev_rato'] = test_features['dev_height'] / test_features['dev_width']# APP版本与操作系统版本差features['version_osv'] = features['osv'] - features['version']test_features['version_osv'] = test_features['osv'] - test_features['version']# 对fea_hash与fea1_hash特征变换features['fea_hash_len'] = features['fea_hash'].map(lambda x: len(str(x)))features['fea1_hash_len'] = features['fea1_hash'].map(lambda x: len(str(x)))features['fea_hash'] = features['fea_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))features['fea1_hash'] = features['fea1_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))test_features['fea_hash_len'] = test_features['fea_hash'].map(lambda x: len(str(x)))test_features['fea1_hash_len'] = test_features['fea1_hash'].map(lambda x: len(str(x)))test_features['fea_hash'] = test_features['fea_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))test_features['fea1_hash'] = test_features['fea1_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))#通过特征比,寻找关键特征,构造新特征,新特征字段 = 原始特征字段 + 1def find_key_feature(train, selected):    temp = pd.DataFrame(columns = [0,1])    temp0 = train[train['label'] == 0]    temp1 = train[train['label'] == 1]    temp[0] = temp0[selected].value_counts() / len(temp0) * 100    temp[1] = temp1[selected].value_counts() / len(temp1) * 100    temp[2] = temp[1] / temp[0]    #选出大于10倍的特征    result = temp[temp[2] > 10].sort_values(2, ascending = False).index    return resultselected_cols = ['osv','apptype', 'carrier', 'dev_height', 'dev_ppi','dev_width', 'media_id',                  'package', 'version', 'fea_hash', 'location', 'fea1_hash','cus_type']key_feature = {}for selected in selected_cols:    key_feature[selected] = find_key_feature(train, selected)def f(x, selected):    if x in key_feature[selected]:        return 1    else:        return 0for selected in selected_cols:    if len(key_feature[selected]) > 0:        features[selected+'1'] = features[selected].apply(f, args = (selected,))        test_features[selected+'1'] = test_features[selected].apply(f, args = (selected,))        print(selected+'1 created')#CatBoost模型from catboost import CatBoostClassifierfrom sklearn.model_selection import StratifiedKFoldfrom sklearn.metrics import roc_auc_scoremodel=CatBoostClassifier(            loss_function="Logloss",            eval_metric="AUC",            task_type="GPU",            learning_rate=0.1,            iterations=1000,            random_seed=2021,            od_type="Iter",            depth=7)n_folds =10 #十折交叉校验answers = []mean_score = 0data_x=featuresdata_y=train['label']sk = StratifiedKFold(n_splits=n_folds, shuffle=True, random_state=2021)all_test = test_features.copy()for train, test in sk.split(data_x, data_y):      x_train = data_x.iloc[train]    y_train = data_y.iloc[train]    x_test = data_x.iloc[test]    y_test = data_y.iloc[test]    clf = model.fit(x_train,y_train, eval_set=(x_test,y_test),verbose=500) # 500条打印一条日志        yy_pred_valid=clf.predict(x_test,prediction_type='Probability')[:,-1]    print('cat验证的auc:{}'.format(roc_auc_score(y_test, yy_pred_valid)))    mean_score += roc_auc_score(y_test, yy_pred_valid) / n_folds        y_pred_valid = clf.predict(all_test,prediction_type='Probability')[:,-1]    answers.append(y_pred_valid) print('mean valAuc:{}'.format(mean_score))cat_pre=sum(answers)/n_foldscat_preres['label']=[1 if x>=0.5 else 0 for x in cat_pre]res.to_csv('./baselinev6.csv',index=False)

       

有错误: f073b_changxiang_v01_b1b8_20180915有错误: %E6%B1%9F%E7%81%B5OS+5.0有错误: GIONEE_YNGA

       

项目思考的过程与baseline迭代版本

BaseLine V1_lgb–分数: 86.746

切换盘符:

jupyter notebook D:

       

一、数据探索

1、去除Unnameed字段

train = train.iloc[:, 1:]test = test.iloc[:,1:]

       

2、查看字段类型

写法1:

train.info()

       

写法2:

或者直接查看类型为object的列

train.select_dtypes(include='object').columns

       

发现以下字段为object类型需要进行数值变换

 7   lan         316720 non-null  object  10  os          500000 non-null  object  11  osv         493439 non-null  object  15  version     500000 non-null  object  16  fea_hash    500000 non-null  object

       

以lan为例查看里面数据情况

train['lan'].value_counts()

       

3、查看缺失值的个数

写法1:

train.isnull().sum()

       

写法2:

t = train.isnull().sum()t[t>0]

       

发现以下字段缺少比较多

lan           183280osv             6561

       

4、唯一值的个数

查看唯一值的个数

features = train.columns.tolist()for feature in features:    if train[feature].nunique() ==1:        print(feature,train[feature].nunique())

       

发现os字段的唯一值个数太少

os 2

       

查看os

train['os'].value_counts()

       

发现os数据都为android

android    303175Android    196825Name: os, dtype: int64

       

5、数据探索的结论

object类型字段有:lan、osv 、osv、version、fea_hash

缺失值较多的字段有:lan、osv

唯一值个数较少且意义不大:os

没有意义的字段:sid

BaselineV1中也先去除timestamp

6、特征的相关性分析(补充)

# 对特征列进行相关性分析import matplotlib.pyplot as plt%matplotlib inlineimport seaborn as snsplt.figure(figsize=(10,10))sns.heatmap(train.corr(),cbar=True,annot=True,cmap='Blues')

       

二、数据预处理

最终去掉:【lan】【os】【osv】【version】【label】【sid】【timestamp】

remove_list = ['lan', 'os', 'osv', 'version', 'label', 'sid','timestamp']col = features #字段名for i in remove_list:    col.remove(i)features = train[col]

       

三、特征工程

1、fea_hash特征变换

#查看数据值train['fea_hash'].value_counts()#查看统计信息train['fea_hash'].describe()#查看映射的长度特征情况train['fea_hash'].map(lambda x:len(str(x))).value_counts()

       

fea_hash进行特征变换

# fea_hash的长度为新特征features['fea_hash_len'] = features['fea_hash'].map(lambda x: len(str(x)))features['fea1_hash_len'] = features['fea1_hash'].map(lambda x: len(str(x)))# 如果fea_hash很长,都归为0,否则为自己的本身features['fea_hash'] = features['fea_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))features['fea1_hash'] = features['fea1_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))

       

四、模型建立

test 做和train同样处理,利用lightgbm进行训练与预测,并保存,上诉过程全部合并代码如下:

#BaselineV1import pandas as pdimport warningsimport lightgbm as lgbwarnings.filterwarnings('ignore')# 数据加载train = pd.read_csv('./train.csv')test = pd.read_csv('./test1.csv')# 去除Unnameed字段train = train.iloc[:, 1:]test = test.iloc[:,1:]# 去除数据探索发现问题的字段col = train.columns.tolist()remove_list = ['lan', 'os', 'osv', 'version', 'label', 'sid','timestamp']for i in remove_list:    col.remove(i)features = train[col]test_features = test[col]# fea_hash特征变换features['fea_hash_len'] = features['fea_hash'].map(lambda x: len(str(x)))features['fea1_hash_len'] = features['fea1_hash'].map(lambda x: len(str(x)))features['fea_hash'] = features['fea_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))features['fea1_hash'] = features['fea1_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))test_features['fea_hash_len'] = test_features['fea_hash'].map(lambda x: len(str(x)))test_features['fea1_hash_len'] = test_features['fea1_hash'].map(lambda x: len(str(x)))test_features['fea_hash'] = test_features['fea_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))test_features['fea1_hash'] = test_features['fea1_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))#lightgbm进行训练与预测model = lgb.LGBMClassifier()model.fit(features,train['label'])result = model.predict(test_features)#res包括sid字段与label字段res = pd.DataFrame(test['sid'])res['label'] = result#保存在csv中res.to_csv('./baselineV1.csv',index=False)

       

BaseLine V2_lgb–分数: 88.2007

一、特征工程优化

1、利用osv特征

# 对osv进行数据清洗def osv_trans(x):    x = str(x).replace('Android_', '').replace('Android ', '').replace('W', '')    if str(x).find('.')>0:        temp_index1 = x.find('.')        if x.find(' ')>0:            temp_index2 = x.find(' ')        else:            temp_index2 = len(x)         if x.find('-')>0:            temp_index2 = x.find('-')                    result = x[0:temp_index1] + '.' + x[temp_index1+1:temp_index2].replace('.', '')        try:            return float(result)        except:            print('有错误: '+x)            return 0    try:        return float(x)    except:        print('有错误: '+x)        return 0features['osv'].fillna('8.1.0', inplace=True)features['osv'] = features['osv'].apply(osv_trans)test_features['osv'].fillna('8.1.0', inplace=True)test_features['osv'] = test_features['osv'].apply(osv_trans)

       

2、利用TimeStamp特征

提取时间多尺度并计算时间diff(时间差)

# 对timestamp进行数据清洗与特征变换from datetime import datetimefeatures['timestamp'] = features['timestamp'].apply(lambda x: datetime.fromtimestamp(x/1000))test_features['timestamp'] = test_features['timestamp'].apply(lambda x: datetime.fromtimestamp(x/1000))temp = pd.DatetimeIndex(features['timestamp'])features['year'] = temp.yearfeatures['month'] = temp.monthfeatures['day'] = temp.dayfeatures['hour'] = temp.hourfeatures['minute'] = temp.minutefeatures['week_day'] = temp.weekday #星期几start_time = features['timestamp'].min()features['time_diff'] = features['timestamp'] - start_timefeatures['time_diff'] = features['time_diff'].dt.days + features['time_diff'].dt.seconds/3600/24temp = pd.DatetimeIndex(test_features['timestamp'])test_features['year'] = temp.yeartest_features['month'] = temp.monthtest_features['day'] = temp.daytest_features['hour'] = temp.hourtest_features['minute'] = temp.minutetest_features['week_day'] = temp.weekday #星期几 test_features['time_diff'] = test_features['timestamp'] - start_timetest_features['time_diff'] = test_features['time_diff'].dt.days + test_features['time_diff'].dt.seconds/3600/24col = features.columns.tolist()col.remove('timestamp')features = features[col]test_features = test_features[col]

       

3、利用Version特征

# 对version进行数据清洗与特征变换def version_trans(x):    if x=='V3':        return 3    if x=='v1':        return 1    if x=='P_Final_6':        return 6    if x=='V6':        return 6    if x=='GA3':        return 3    if x=='GA2':        return 2    if x=='V2':        return 2    if x=='50':        return 5    return int(x)features['version'] = features['version'].apply(version_trans)test_features['version'] = test_features['version'].apply(version_trans)features['version'] = features['version'].astype('int')test_features['version'] = test_features['version'].astype('int')

       

二、模型建立

上诉过程合并代码如下:

import pandas as pdimport warningsimport lightgbm as lgbwarnings.filterwarnings('ignore')# 数据加载和去除Unnameed字段train = pd.read_csv('./train.csv')test = pd.read_csv('./test1.csv')train = train.iloc[:, 1:]test = test.iloc[:,1:]# 去除数据探索发现问题的字段col = train.columns.tolist()remove_list = ['lan', 'os','label', 'sid']for i in remove_list:    col.remove(i)features = train[col]test_features = test[col]# 对osv进行数据清洗def osv_trans(x):    x = str(x).replace('Android_', '').replace('Android ', '').replace('W', '')    if str(x).find('.')>0:        temp_index1 = x.find('.')        if x.find(' ')>0:            temp_index2 = x.find(' ')        else:            temp_index2 = len(x)         if x.find('-')>0:            temp_index2 = x.find('-')                    result = x[0:temp_index1] + '.' + x[temp_index1+1:temp_index2].replace('.', '')        try:            return float(result)        except:            print('有错误: '+x)            return 0    try:        return float(x)    except:        print('有错误: '+x)        return 0features['osv'].fillna('8.1.0', inplace=True)features['osv'] = features['osv'].apply(osv_trans)test_features['osv'].fillna('8.1.0', inplace=True)test_features['osv'] = test_features['osv'].apply(osv_trans)# 对timestamp进行数据清洗与特征变换,from datetime import datetimefeatures['timestamp'] = features['timestamp'].apply(lambda x: datetime.fromtimestamp(x/1000))test_features['timestamp'] = test_features['timestamp'].apply(lambda x: datetime.fromtimestamp(x/1000))temp = pd.DatetimeIndex(features['timestamp'])features['year'] = temp.yearfeatures['month'] = temp.monthfeatures['day'] = temp.dayfeatures['hour'] = temp.hourfeatures['minute'] = temp.minutefeatures['week_day'] = temp.weekday #星期几start_time = features['timestamp'].min()features['time_diff'] = features['timestamp'] - start_timefeatures['time_diff'] = features['time_diff'].dt.days + features['time_diff'].dt.seconds/3600/24temp = pd.DatetimeIndex(test_features['timestamp'])test_features['year'] = temp.yeartest_features['month'] = temp.monthtest_features['day'] = temp.daytest_features['hour'] = temp.hourtest_features['minute'] = temp.minutetest_features['week_day'] = temp.weekday #星期几 test_features['time_diff'] = test_features['timestamp'] - start_timetest_features['time_diff'] = test_features['time_diff'].dt.days + test_features['time_diff'].dt.seconds/3600/24features = features.drop(['timestamp'],axis = 1)test_features = test_features.drop(['timestamp'],axis = 1)# 对version进行数据清洗与特征变换def version_trans(x):    if x=='V3':        return 3    if x=='v1':        return 1    if x=='P_Final_6':        return 6    if x=='V6':        return 6    if x=='GA3':        return 3    if x=='GA2':        return 2    if x=='V2':        return 2    if x=='50':        return 5    return int(x)features['version'] = features['version'].apply(version_trans)test_features['version'] = test_features['version'].apply(version_trans)features['version'] = features['version'].astype('int')test_features['version'] = test_features['version'].astype('int')# 对fea_hash与fea1_hash特征变换features['fea_hash_len'] = features['fea_hash'].map(lambda x: len(str(x)))features['fea1_hash_len'] = features['fea1_hash'].map(lambda x: len(str(x)))features['fea_hash'] = features['fea_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))features['fea1_hash'] = features['fea1_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))test_features['fea_hash_len'] = test_features['fea_hash'].map(lambda x: len(str(x)))test_features['fea1_hash_len'] = test_features['fea1_hash'].map(lambda x: len(str(x)))test_features['fea_hash'] = test_features['fea_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))test_features['fea1_hash'] = test_features['fea1_hash'].map(lambda x: 0 if len(str(x))>16 else int(x))#lightgbm进行训练与预测model = lgb.LGBMClassifier()model.fit(features,train['label'])result = model.predict(test_features)#res包括sid字段与label字段res = pd.DataFrame(test['sid'])res['label'] = result#保存在csv中res.to_csv('./baselineV2.csv',index=False)print("已完成")

       

BaseLine V3_xgb–分数: 88.5073

一、特征工程优化

1、构造面积特征和相除特征

features['dev_area'] = features['dev_height'] * features['dev_width']test_features['dev_area'] = test_features['dev_height'] * test_features['dev_width']features['dev_rato'] = features['dev_height'] / features['dev_width']test_features['dev_rato'] = test_features['dev_height'] / test_features['dev_width']

       

2、APP版本与操作系统版本

features['version_osv'] = features['osv'] - features['version']test_features['version_osv'] = test_features['osv'] - test_features['version']

       

二、xgboost模型

1、LightGBM 祖传参数

clf = lgb.LGBMClassifier(            num_leaves=2**5-1, reg_alpha=0.25, reg_lambda=0.25, objective='multiclass',            max_depth=-1, learning_rate=0.005, min_child_samples=3, random_state=2021,            n_estimators=2000, subsample=1, colsample_bytree=1)device = gpugpu_platform_id = 0gpu_device_id = 0

       

2、XGBoost祖传参数

model_xgb = xgb.XGBClassifier(            max_depth=9, learning_rate=0.005, n_estimators=2000,             objective='multi:softprob', tree_method='gpu_hist',             subsample=0.8, colsample_bytree=0.8,             min_child_samples=3, eval_metric='logloss', reg_lambda=0.5)

       

3、使用xgboost并使用祖传参数

%%time#lightgbm进行训练与预测import xgboost as xgbmodel_xgb = xgb.XGBClassifier(            max_depth=15, learning_rate=0.05, n_estimators=5000,             objective='binary:logistic', tree_method='gpu_hist',             subsample=0.8, colsample_bytree=0.8,             min_child_samples=3, eval_metric='auc', reg_lambda=0.5        )model_xgb.fit(features,train['label'])result_xgb = model.predict(test_features)res = pd.DataFrame(test['sid'])res['label'] = result_xgbres.to_csv('./baselineV3.csv',index=False)print("已完成")

       

使用了xgboost的祖传参数

参数 含义

max_depth含义:树的最大深度,用来避免过拟合的。max_depth越大,模型会学到更具体更局部的样本,需要使用CV函数来进行调优。 
默认值:6,典型值:3-10。
调参:值越大,越容易过拟合;值越小,越容易欠拟合。learning_rate含义:学习率,控制每次迭代更新权重时的步长
默认值:0.3,典型值:0.01-0.2。 
调参:值越小,训练越慢。n_estimators总共迭代的次数,即决策树的个数,相当于训练的轮数objective回归任务:reg:linear (默认) reg: logistic 
二分类 binary:logistic (概率) binary:logitraw (类别) 
多分类 multi:softmax num_class=n (返回类别) multi:softprob num_class=n(返回概率)tree_method可调用gpu:gpu_hist。使用功能的树的构建方法,hist代表使用直方图优化的近似贪婪的算法subsample含义:训练样本采样率(行采样),训练每棵树时,使用的数据占全部训练集的比例。这个参数控制对于每棵树,随机采样的比例。 减小这个参数的值,算法会更加保守,避免过拟合。但是,如果这个值设置得过小,它可能会导致欠拟合。
默认值:1,典型值:0.5-1。
调参:防止过拟合。colsample_bytree含义:训练每棵树时,使用的数据占全部训练集的比例。默认值为1,典型值为0.5-1。和GBM中的subsample参数一模一样。这个参数控制对于每棵树,随机采样的比例。 减小这个参数的值,算法会更加保守,避免过拟合。但是,如果这个值设置得过小,它可能会导致欠拟合。 
典型值:0.5-1 
调参:防止过拟合。min_child_samples
eval_metric用户可以添加多种评价指标,对于Python用户要以list传递参数对给程序
可供的选择如下: 
回归任务(默认rmse) :rmse–均方根误差 mae–平均绝对误差 
分类任务(默认error) : auc–roc曲线下面积 error–错误率(二分类) merror–错误率(多分类) logloss–负对数似然函数(二分类) mlogloss–负对数似然函数(多分类)reg_lambdaL2正则化系数

4、可视化的方式查看特征的重要程度

from xgboost import plot_importanceimport matplotlib.pyplot as pltplot_importance(model_xgb)

       

BaseLine V4_xgb–分数: 88.946

一、使用十折交叉验证优化

%%time# 定义10折子模型from sklearn.model_selection import StratifiedKFoldfrom sklearn.metrics import accuracy_scoredef xgb_model(clf,train_x,train_y,test):    sk=StratifiedKFold(n_splits=10,random_state=2021,shuffle = True)    prob=[]    mean_acc=0    for k,(train_index,val_index) in enumerate(sk.split(train_x,train_y)):        train_x_real=train_x.iloc[train_index]        train_y_real=train_y.iloc[train_index]        val_x=train_x.iloc[val_index]        val_y=train_y.iloc[val_index]        #模型训练及验证集测试        clf=clf.fit(train_x_real,train_y_real)        val_y_pred=clf.predict(val_x)        acc_val=accuracy_score(val_y,val_y_pred)        print('第{}个子模型 accuracy{}'.format(k+1,acc_val))        mean_acc+=mean_acc/10        #预测测试集        test_y_pred=clf.predict_proba(test)        prob.append(test_y_pred)    print(mean_acc)    mean_prob=sum(prob)/10    return mean_prob  import xgboost as xgbmodel_xgb2 = xgb.XGBClassifier(            max_depth=15, learning_rate=0.005, n_estimators=5300,             objective='binary:logistic', tree_method='gpu_hist',             subsample=0.7, colsample_bytree=0.7,             min_child_samples=3, eval_metric='auc', reg_lambda=0.5        )result_xgb=xgb_model(model_xgb2,features,train['label'],test_features) result_xgb2=[x[1] for x in result_xgb]result_xgb2=[1 if x>=0.5 else 0 for x in result_xgb2] res = pd.DataFrame(test['sid'])res['label'] = result_xgb2res.to_csv('./baselineV4.csv', index=False)print('已完成')

       

BaseLine V5_xgb–分数: 89.0787

一、特征工程优化

通过特征比,寻找关键特征,构造新特征,新特征字段 = 原始特征字段 + 1

#通过特征比,寻找关键特征,构造新特征,新特征字段 = 原始特征字段 + 1def find_key_feature(train, selected):    temp = pd.DataFrame(columns = [0,1])    temp0 = train[train['label'] == 0]    temp1 = train[train['label'] == 1]    temp[0] = temp0[selected].value_counts() / len(temp0) * 100    temp[1] = temp1[selected].value_counts() / len(temp1) * 100    temp[2] = temp[1] / temp[0]    #选出大于10倍的特征    result = temp[temp[2] > 10].sort_values(2, ascending = False).index    return resultselected_cols = ['osv','apptype', 'carrier', 'dev_height', 'dev_ppi','dev_width', 'media_id',                  'package', 'version', 'fea_hash', 'location', 'fea1_hash','cus_type']key_feature = {}for selected in selected_cols:    key_feature[selected] = find_key_feature(train, selected)key_featuredef f(x, selected):    if x in key_feature[selected]:        return 1    else:        return 0for selected in selected_cols:    if len(key_feature[selected]) > 0:        features[selected+'1'] = features[selected].apply(f, args = (selected,))        test_features[selected+'1'] = test_features[selected].apply(f, args = (selected,))        print(selected+'1 created')

   

以上就是【飞桨学习赛:MarTech Challenge 点击反欺诈预测】第10名方案的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/39572.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月6日 03:04:54
下一篇 2025年11月6日 03:08:49

相关推荐

  • Uniapp 中如何不拉伸不裁剪地展示图片?

    灵活展示图片:如何不拉伸不裁剪 在界面设计中,常常需要以原尺寸展示用户上传的图片。本文将介绍一种在 uniapp 框架中实现该功能的简单方法。 对于不同尺寸的图片,可以采用以下处理方式: 极端宽高比:撑满屏幕宽度或高度,再等比缩放居中。非极端宽高比:居中显示,若能撑满则撑满。 然而,如果需要不拉伸不…

    2025年12月24日
    400
  • 如何让小说网站控制台显示乱码,同时网页内容正常显示?

    如何在不影响用户界面的情况下实现控制台乱码? 当在小说网站上下载小说时,大家可能会遇到一个问题:网站上的文本在网页内正常显示,但是在控制台中却是乱码。如何实现此类操作,从而在不影响用户界面(UI)的情况下保持控制台乱码呢? 答案在于使用自定义字体。网站可以通过在服务器端配置自定义字体,并通过在客户端…

    2025年12月24日
    800
  • 如何在地图上轻松创建气泡信息框?

    地图上气泡信息框的巧妙生成 地图上气泡信息框是一种常用的交互功能,它简便易用,能够为用户提供额外信息。本文将探讨如何借助地图库的功能轻松创建这一功能。 利用地图库的原生功能 大多数地图库,如高德地图,都提供了现成的信息窗体和右键菜单功能。这些功能可以通过以下途径实现: 高德地图 JS API 参考文…

    2025年12月24日
    400
  • 如何使用 scroll-behavior 属性实现元素scrollLeft变化时的平滑动画?

    如何实现元素scrollleft变化时的平滑动画效果? 在许多网页应用中,滚动容器的水平滚动条(scrollleft)需要频繁使用。为了让滚动动作更加自然,你希望给scrollleft的变化添加动画效果。 解决方案:scroll-behavior 属性 要实现scrollleft变化时的平滑动画效果…

    2025年12月24日
    000
  • 如何为滚动元素添加平滑过渡,使滚动条滑动时更自然流畅?

    给滚动元素平滑过渡 如何在滚动条属性(scrollleft)发生改变时为元素添加平滑的过渡效果? 解决方案:scroll-behavior 属性 为滚动容器设置 scroll-behavior 属性可以实现平滑滚动。 html 代码: click the button to slide right!…

    2025年12月24日
    500
  • 如何选择元素个数不固定的指定类名子元素?

    灵活选择元素个数不固定的指定类名子元素 在网页布局中,有时需要选择特定类名的子元素,但这些元素的数量并不固定。例如,下面这段 html 代码中,activebar 和 item 元素的数量均不固定: *n *n 如果需要选择第一个 item元素,可以使用 css 选择器 :nth-child()。该…

    2025年12月24日
    200
  • 使用 SVG 如何实现自定义宽度、间距和半径的虚线边框?

    使用 svg 实现自定义虚线边框 如何实现一个具有自定义宽度、间距和半径的虚线边框是一个常见的前端开发问题。传统的解决方案通常涉及使用 border-image 引入切片图片,但是这种方法存在引入外部资源、性能低下的缺点。 为了避免上述问题,可以使用 svg(可缩放矢量图形)来创建纯代码实现。一种方…

    2025年12月24日
    100
  • 如何解决本地图片在使用 mask JS 库时出现的跨域错误?

    如何跨越localhost使用本地图片? 问题: 在本地使用mask js库时,引入本地图片会报跨域错误。 解决方案: 要解决此问题,需要使用本地服务器启动文件,以http或https协议访问图片,而不是使用file://协议。例如: python -m http.server 8000 然后,可以…

    2025年12月24日
    200
  • 如何让“元素跟随文本高度,而不是撑高父容器?

    如何让 元素跟随文本高度,而不是撑高父容器 在页面布局中,经常遇到父容器高度被子元素撑开的问题。在图例所示的案例中,父容器被较高的图片撑开,而文本的高度没有被考虑。本问答将提供纯css解决方案,让图片跟随文本高度,确保父容器的高度不会被图片影响。 解决方法 为了解决这个问题,需要将图片从文档流中脱离…

    2025年12月24日
    000
  • 为什么 CSS mask 属性未请求指定图片?

    解决 css mask 属性未请求图片的问题 在使用 css mask 属性时,指定了图片地址,但网络面板显示未请求获取该图片,这可能是由于浏览器兼容性问题造成的。 问题 如下代码所示: 立即学习“前端免费学习笔记(深入)”; icon [data-icon=”cloud”] { –icon-cl…

    2025年12月24日
    200
  • 如何利用 CSS 选中激活标签并影响相邻元素的样式?

    如何利用 css 选中激活标签并影响相邻元素? 为了实现激活标签影响相邻元素的样式需求,可以通过 :has 选择器来实现。以下是如何具体操作: 对于激活标签相邻后的元素,可以在 css 中使用以下代码进行设置: li:has(+li.active) { border-radius: 0 0 10px…

    2025年12月24日
    100
  • 如何模拟Windows 10 设置界面中的鼠标悬浮放大效果?

    win10设置界面的鼠标移动显示周边的样式(探照灯效果)的实现方式 在windows设置界面的鼠标悬浮效果中,光标周围会显示一个放大区域。在前端开发中,可以通过多种方式实现类似的效果。 使用css 使用css的transform和box-shadow属性。通过将transform: scale(1.…

    2025年12月24日
    200
  • 为什么我的 Safari 自定义样式表在百度页面上失效了?

    为什么在 Safari 中自定义样式表未能正常工作? 在 Safari 的偏好设置中设置自定义样式表后,您对其进行测试却发现效果不同。在您自己的网页中,样式有效,而在百度页面中却失效。 造成这种情况的原因是,第一个访问的项目使用了文件协议,可以访问本地目录中的图片文件。而第二个访问的百度使用了 ht…

    2025年12月24日
    000
  • 如何用前端实现 Windows 10 设置界面的鼠标移动探照灯效果?

    如何在前端实现 Windows 10 设置界面中的鼠标移动探照灯效果 想要在前端开发中实现 Windows 10 设置界面中类似的鼠标移动探照灯效果,可以通过以下途径: CSS 解决方案 DEMO 1: Windows 10 网格悬停效果:https://codepen.io/tr4553r7/pe…

    2025年12月24日
    000
  • 使用CSS mask属性指定图片URL时,为什么浏览器无法加载图片?

    css mask属性未能加载图片的解决方法 使用css mask属性指定图片url时,如示例中所示: mask: url(“https://api.iconify.design/mdi:apple-icloud.svg”) center / contain no-repeat; 但是,在网络面板中却…

    2025年12月24日
    000
  • 如何用CSS Paint API为网页元素添加时尚的斑马线边框?

    为元素添加时尚的斑马线边框 在网页设计中,有时我们需要添加时尚的边框来提升元素的视觉效果。其中,斑马线边框是一种既醒目又别致的设计元素。 实现斜向斑马线边框 要实现斜向斑马线间隔圆环,我们可以使用css paint api。该api提供了强大的功能,可以让我们在元素上绘制复杂的图形。 立即学习“前端…

    2025年12月24日
    000
  • 图片如何不撑高父容器?

    如何让图片不撑高父容器? 当父容器包含不同高度的子元素时,父容器的高度通常会被最高元素撑开。如果你希望父容器的高度由文本内容撑开,避免图片对其产生影响,可以通过以下 css 解决方法: 绝对定位元素: .child-image { position: absolute; top: 0; left: …

    2025年12月24日
    000
  • 使用 Mask 导入本地图片时,如何解决跨域问题?

    跨域疑难:如何解决 mask 引入本地图片产生的跨域问题? 在使用 mask 导入本地图片时,你可能会遇到令人沮丧的跨域错误。为什么会出现跨域问题呢?让我们深入了解一下: mask 框架假设你以 http(s) 协议加载你的 html 文件,而当使用 file:// 协议打开本地文件时,就会产生跨域…

    2025年12月24日
    200
  • CSS 帮助

    我正在尝试将文本附加到棕色框的左侧。我不能。我不知道代码有什么问题。请帮助我。 css .hero { position: relative; bottom: 80px; display: flex; justify-content: left; align-items: start; color:…

    2025年12月24日 好文分享
    200
  • HTML、CSS 和 JavaScript 中的简单侧边栏菜单

    构建一个简单的侧边栏菜单是一个很好的主意,它可以为您的网站添加有价值的功能和令人惊叹的外观。 侧边栏菜单对于客户找到不同项目的方式很有用,而不会让他们觉得自己有太多选择,从而创造了简单性和秩序。 今天,我将分享一个简单的 HTML、CSS 和 JavaScript 源代码来创建一个简单的侧边栏菜单。…

    2025年12月24日
    200

发表回复

登录后才能评论
关注微信