年龄预测优化思路

1. w2v 提取app词向量

        使用w2v模型进行训练，将applist转换为32维词向量，输入xgb模型进行训练，准确度与直接使用applist进行训练的准确度没有明显区别。但是从实际意义上出发，经过词向量训练得到的applist的语义信息不与applist完全相关，后续可以作为累加特征使用。

2. 修改app权重分布

优化目的：通过对40-50年龄段的badcase挖掘applist，提升xgb模型对40-50岁年龄段的预测准确度。

优化思路：获取到训练阶段的各个特征权重，再乘以特征的权重矩阵，就可以增加某些特征在损失函数中的权重，就达到了放大特征效果的目的。

优化结果：训练数据200w，预测数据47w，预测正确26.6w（56.59%）+0.6%

3. 增加app分类

获取applist中各个app对应的一级分类标签first_cat.

优化目的：增加用户下载的applist的描述特征，提高年龄4段的预测准确率。

对app所属类别在训练集中的分布情况（200w训练数据）

优化思路：对用户下载的app所属类别进行统计，如用户下载的app中哔哩哔哩和爱奇艺属于视频类app，同花顺属于理财类，今日头条属于新闻类，则得到用户的app类别特征：视频类app:2；理财类app:1；新闻类app:1。

优化结果：训练数据200w，预测数据47w，预测正确26.7w（56.81%）+0.3%

4. 增加income特征

优化思路：通过常识判断用户的年龄与收入成比例关系进行数据分析，根据上述对income和age的统计情况可以看出，income为top1人群收入中年龄大于40岁所占比例较大，随着income取10，25，50，100时，年龄阶层向年龄小的方向移动；同时income的取值情况符合基本常识，故增加用户的income特征增加income特征。

优化结果：训练数据100w，预测数据25w，预测正确14.7w（58.81%）+2%