天池實戰賽o2o優惠券使用預測-實戰學習

賽題的比賽背景：

隨着移動設備的完善和普及，移動互聯網+各行各業進入了高速發展階段，這其中以O2O（Online to Offline）消費最爲吸引眼球。據不完全統計，O2O行業估值上億的創業公司至少有10家，也不乏百億巨頭的身影。O2O行業天然關聯數億消費者，各類APP每天記錄了超過百億條用戶行爲和位置記錄，因而成爲大數據科研和商業化運營的最佳結合點之一。 以優惠券盤活老用戶或吸引新客戶進店消費是O2O的一種重要營銷方式。然而隨機投放的優惠券對多數用戶造成無意義的干擾。對商家而言，濫發的優惠券可能降低品牌聲譽，同時難以估算營銷成本。 個性化投放是提高優惠券覈銷率的重要技術，它可以讓具有一定偏好的消費者得到真正的實惠，同時賦予商家更強的營銷能力。本次大賽爲參賽選手提供了O2O場景相關的豐富數據，希望參賽選手通過分析建模，精準預測用戶是否會在規定時間內使用相應優惠券。

數據：

    本賽題提供用戶在2016年1月1日至2016年6月30日之間真實線上線下消費行爲，預測用戶在2016年7月領取優惠券後15天以內的使用情況。 
注意： 爲了保護用戶和商家的隱私，所有數據均作匿名處理，同時採用了有偏採樣和必要過濾。

 

評價方式

    本賽題目標是預測投放的優惠券是否覈銷。針對此任務及一些相關背景知識，使用優惠券覈銷預測的平均AUC（ROC曲線下面積）作爲評價標準。 即對每個優惠券coupon_id單獨計算覈銷預測的AUC值，再對所有優惠券的AUC值求平均作爲最終的評價標準

提交結果：

 

 一、SGD 分類

 

def check_model_SGD(data, predictors):
    
    classifier = lambda: SGDClassifier(
        loss='log',  # loss function: logistic regression
        penalty='elasticnet', # L1 & L2
        fit_intercept=True,  # 是否存在截距，默認存在
        max_iter=100, 
        shuffle=True,  # Whether or not the training data should be shuffled after each epoch
        n_jobs=1, # The number of processors to use
        class_weight=None) # Weights associated with classes. If not given, all classes are supposed to have weight one.
 
    # 管道機制使得參數集在新數據集（比如測試集）上的重複使用，管道機制實現了對全部步驟的流式化封裝和管理。
    # 可參考：https://blog.csdn.net/lanchunhui/article/details/50521648
    model = Pipeline(steps=[
        ('ss', StandardScaler()), # transformer# 去均值和方差歸一化
        ('en', classifier())  # estimator
    ])
 
    parameters = {
        'en__alpha': [ 0.001, 0.01, 0.1],
        'en__l1_ratio': [ 0.001, 0.01, 0.1]
    }
 
    # StratifiedKFold用法類似Kfold，但是他是分層採樣，確保訓練集，測試集中各類別樣本的比例與原始數據集中相同。
    folder = StratifiedKFold(n_splits=3, shuffle=True)
    
    # Exhaustive search over specified parameter values for an estimator.
    #參考：https://blog.csdn.net/qq_39521554/article/details/86227582
    grid_search = GridSearchCV(
        model, 
        parameters, 
        cv=folder, 
        n_jobs=-1,  # -1 means using all processors
        verbose=1)
    grid_search = grid_search.fit(data[predictors], 
                                  data['label'])
    
    return grid_search