zyuPp的博客

特征工程与建模 特征工程介绍 特征工程的作用 基于数据分析与探索提起潜在有价值的特征 特征的重要性： 如果特征构建越好，模型的性能会越出色，简单且灵活性强 特征提取 特征提取： 多数是采用统计手段分析，找到业务相关的点，最终形成特征 例子1：箱型图分析，交易量与星期有关，最终得到7个0-1类型的特征（是否为周一、周二…） 例子2：点线图分析，用户星级、用户职业与是否交易有关，可考虑离散化特征 离散型特征的好处 可用于设计规则 易于模型拟合，特别是以树模型为baseline 便于

规则与baseline前言时间序列预测的规则简单的统计量周期因子基于周的周期因子预测基于月的周期因子预测规则应用到实战中以星期为周期的中位数预测以星期为周期的流入流出预测以月份为周期的流入流出预测不同方式的效果对比 前言 规则的好处是简单高效且可解释性强，有时候样本量不足时，使用有用的规则比建模更有效，面对问题的时候不能只想着建模，而是根据问题去寻找解决的方案有哪些，互相比较，找到最好的解决方案 时间序列预测的规则 简单的统计量 中位数：很稳健 均值：分布较符合正态分布时适用 临近数据：指与待预测数据较近

资金流入流出赛题理解一、赛题介绍赛题任务二、数据介绍1. 用户信息表： user_profile_table2. 用户申购赎回数据表： user_balance_table3. 收益率表：mfd_day_share_interest4. 上海银行间同业拆放利率（Shibor）表： mfd_bank_shibor5. 收益的计算方式6. 需要提交的结果表 tc_comp_predict_table三、评估指标遇到的问题了解数据时的常见问题1. 预测的申购是否包括收益的？2. 什么是万份收益?3. 什么是七日