【比赛学习笔记】电信行业存量用户的智能套餐个性化匹配

本次借鉴学习的是电信行业存量用户的智能套餐个性化匹配比赛的TOP2方案。

top2 方案作者：郭大、林有夕 、小兔子乖乖

top2 方案 github 开源地址：https://github.com/PandasCute/2018-CCF-BDCI-China-Unicom-Research-Institute-top2

数据说明

字段	中文名	数据类型	说明
USERID	用户ID	VARCHAR2(50)	用户编码，标识用户的唯一字段
current_type	套餐	VARCHAR2(500)	/
service_type	套餐类型	VARCHAR2(10)	0：23G融合，1：2I2C(互联网套餐)，2：2G，3：3G，4：4G
is_mix_service	是否固移融合套餐	VARCHAR2(10)	1.是 0.否
online_time	在网时长	VARCHAR2(50)	/
1_total_fee	当月总出账金额_月	NUMBER	单位：元
2_total_fee	当月前1月总出账金额_月	NUMBER	单位：元
3_total_fee	当月前2月总出账金额_月	NUMBER 单位：元
4_total_fee	当月前3月总出账金额_月	NUMBER	单位：元
month_traffic	当月累计-流量	NUMBER	单位：MB
many_over_bill	连续超套	VARCHAR2(500)	1-是，0-否
contract_type	合约类型	VARCHAR2(500)	ZBG_DIM.DIM_CBSS_ACTIVITY_TYPE
contract_time	合约时长	VARCHAR2(500)	/
is_promise_low_consume	是否承诺低消用户	VARCHAR2(500)	1.是 0.否
net_service	网络口径用户	VARCHAR2(500)	20AAAAAA-2G
pay_times	交费次数	NUMBER	单位：次
pay_num	交费金额	NUMBER	单位：元
last_month_traffic	上月结转流量	NUMBER	单位：MB
local_trafffic_month	月累计-本地数据流量	NUMBER	单位：MB
local_caller_time	本地语音主叫通话时长	NUMBER	单位：分钟
service1_caller_time	套餐外主叫通话时长	NUMBER	单位：分钟
service2_caller_time	套餐内主叫通话时长	NUMBER	单位：分钟
gender	性别	varchar2(100)	01.男 02女
age	年龄	varchar2(100)	/
complaint_level	投诉重要性	VARCHAR2(1000)	1：普通，2：重要，3：重大
former_complaint_num	交费金历史投诉总量	NUMBER	单位：次
former_complaint_fee	历史执行补救费用交费金额	NUMBER	单位：分

数据集下载地址：https://pan.baidu.com/s/1RoGBAknW7O_AfS-x6CSHWA 提取码：bgk2

特征工程

原始特征

原始类别特征：

['service_type', 'complaint_level', 'contract_type', 'gender', 'is_mix_service', 
'is_promise_low_consume', 'many_over_bill', 'net_service']

原始数值特征：

['1_total_fee', '2_total_fee', '3_total_fee', '4_total_fee', 'age', 
'contract_time','former_complaint_fee', 'former_complaint_num', 
'last_month_traffic', 'local_caller_time', 'local_trafffic_month', 
'month_traffic', 'online_time', 'pay_num', 'pay_times', 'service1_caller_time', 'service2_caller_time']

统计特征

feature_count 函数用于完成特征的计数，作者具体做了如下计数特征：

# 计数特征
data = feature_count(data, ['1_total_fee'])
data = feature_count(data, ['2_total_fee']