1.大賽背景

隨著科技發展，銀行陸續打造了線上線下、豐富多樣的客戶觸點，來滿足客戶日常業務辦理、渠道交易等需求。面對著大量的客戶，銀行需要更全面、準確地洞察客戶理財需求。在實際理財產品業務開展過程中，需要挖掘不同理財產品對客群的吸引力，從而找到目標客群，進行針對性營銷。

本次競賽提供實際業務場景中的客戶行為、資產信息、產品交易信息等為建模對象，一方面希望能借此展現各參賽選手的數據挖掘實戰能力，另一方面需要選手在復賽中結合建模的結果提出相應的營銷解決方案，充分體現數據分析的價值。

2.賽題描述

(1) 賽題任務

此次競賽題目主要是針對客戶購買各類理財產品存單概率進行預測，并將預測結果作為營銷方案的依據。

(2) 數據使用規則

本賽題不能使用任何外部數據。本次提供的數據經過脫敏，部分連續型數據（如利率、價格、金融等）經過一定的線性變換，但不影響建模使用和模型預測結果。

(3) A/B榜規則

本次初賽采用AB榜形式。初賽時間總共一個半月，前一個月排行榜顯示A榜成績（有公私榜，公私榜比例是6:4）后半個月切換成B榜單（有公私榜），排行榜顯示B榜成績，以參賽者提交的最高分為準，最后初賽成績=A榜成績0.3+B榜成績0.7。

3.評估指標

1、初賽采用A/B榜賽制，最終初賽成績=0.3A榜測試集F2值+0.7B榜測試集F2值，其中：

recall = TP/(TP+FN)，召回率

precision = TP/(TP+FP)，精準率

F2 = 5recallprecision/(4*precision+recall)，F2值

TP是真樣例，FP是假陽例，FN是假陰例，通過以上公式得到該類F2值。

4.數據描述

本次比賽的任務核心是通過用戶7，8，9月的歷史消費記錄來預測其在10月是否會有購買行為，賽題給的數據表非常之多，這里不詳細進行展開，具體可以查看賽題主辦方所給的數據描述。

5.Baseline思路

本賽題是一個非常典型的結構化數據的比賽，這里我們依然采取傳統的特征工程+lgb(也可以是xgb，cat)的方案。由于本賽題有較強的時序性，所以這里我們在線下進行驗證的時候使用7，8月的數據進行訓練在第9月的數據上進行驗證，而在線上進行提交的時候，則使用7，8，9月三個月的數據進行訓練.這里需要注意的是，這次賽題的線上評分標準為F2的得分，在進行F2得分計算的時候需要我們提交的預測結果是0和1的整數值，但是我們的模型預測的結果是一個概率值，這里就涉及到一個閾值的選取，這里建議大家在線下驗證的時候手動搜索一下這個閾值，其代碼如下所示：

def search_best_thre(y_true,y_pre):best_f2 = 0best_th = 0for i in range(100):th = 0.03+i/1000y_pre_copy = y_pre.copy()y_pre_copy[y_pre_copy >= th] = 1y_pre_copy[y_pre_copy < th] = 0temp_f2 = f2_score(y_true,y_pre_copy)if temp_f2>best_f2:best_f2 = temp_f2best_th = th print(f'thre: {best_th} f2 score: {best_f2}')return best_th

其中，這里的f2_score就是我們自己手動實現的計算F2分數的評估函數

6.特征工程

6.1 用戶信息表

這里對用戶信息表進行簡單的與主表進行合并，以此來獲取用戶信息，其代碼如下：

# 客戶信息表 d = pd.read_csv(data_root2 + 'd.csv')df = df.merge(d, on='core_cust_id', how='left')del d gc.collect()

6.2 用戶風險表

這里的用戶風險由于是每個一段實際就會對用戶的風險進行一次評級，所以這里每一個用戶都有可能會對應多個風險等級，這里我們只選取最近的對用戶風險進行評級的得分，具體做法是我們以user和評估日期為主鍵進行排序，然后按user為主鍵進行去重，并且在去重的時候僅保留最后一條數據，這樣我們便保留了用戶最近一次風險評估的記錄，其代碼如下：

# 客戶風險表 e = pd.read_csv(data_root2+'e.csv')e = e.sort_values(['core_cust_id','e2'])e = e.drop_duplicates(subset=['core_cust_id'],keep='last')df = df.merge(e[['core_cust_id','e1']],on='core_cust_id',how='left')del e gc.collect()

6.3 用戶資產信息表

用戶的資產信息也會在不同時間點有不同的變化，這里我們統計計算每個月用戶的各種資產的平均值作為用戶的特征，其代碼實現如下：

# 資產信息表 f = pd.read_csv(data_root2 + 'f.csv')f.fillna(0, inplace=True)map_dict = dict(zip(sorted(f['f22'].unique()), sorted(df['a3'].unique())))f['f22'] = f['f22'].map(map_dict)for c in ['f2', 'f3', 'f4', 'f5', 'f6', 'f7', 'f8', 'f9','f10', 'f11', 'f12', 'f13', 'f14', 'f15', 'f16','f17', 'f18', 'f19','f20', 'f21']:f[c] = f[c].apply(lambda x: str(x).replace(',','')).astype('float') f_stat = f.groupby(['core_cust_id','f22']).agg(f2_mean=('f2', 'mean'), f3_mean=('f3', 'mean'), f4_mean=('f4', 'mean'), f5_mean=('f5', 'mean'),f6_mean=('f6', 'mean'),f7_mean=('f7', 'mean'),f8_mean=('f8', 'mean'),f9_mean=('f9', 'mean'),f10_mean=('f10', 'mean'),f11_mean=('f11', 'mean'),f12_mean=('f12', 'mean'),f13_mean=('f13', 'mean'),f14_mean=('f14', 'mean'),f15_mean=('f15', 'mean'),f16_mean=('f16', 'mean'),f17_mean=('f17', 'mean'),f18_mean=('f18', 'mean'),f19_mean=('f19', 'mean'),f20_mean=('f20', 'mean'),f21_mean=('f21', 'mean'),).reset_index()df = df.merge(f_stat, left_on=['core_cust_id','a3'], right_on=['core_cust_id','f22'], how='left')del f, f_stat gc.collect()

6.4 賬戶交易流水表

用戶的交易流水同樣也十分重要，這里的賬戶交易流水信息包含了借方的信息和貸方的信息，我們對這兩部分分別統計，風別統計借方與貸放每個月涉及金額的統計值，并且將其作為歷史信息拼接到原有的數據表中，他的意思就是比如我預測10月份改用戶會不會購買東西，那么我就將其9月份的賬戶交易信息作為其歷史特征，對于預測9月份用戶會不會購買東西，就將其8月的賬戶交易信息作為歷史特征，其代碼實現如下：

# S 表：賬戶交易流水表，其中 s3 和 s6 是客戶編號，可以和其他表中的 core_cust_id進行關聯。s = pd.read_csv(data_root2+'s.csv')s['month'] = s['s7'].apply(lambda x: x.split('-')[1]).astype('int32')s['s4'] = s['s4'].apply(lambda x: str(x).replace(',','')).astype('float')tmp_s3 = s.groupby(['s3','month']).agg(s3_s4_sum=('s4', 'sum'),s3_s4_mean=('s4', 'mean'),s3_s4_count=('s4','count')).reset_index()tmp_s6 = s.groupby(['s6','month']).agg(s6_s4_sum=('s4', 'sum'), s6_s4_mean=('s4', 'mean'),s6_s4_count=('s4','count')).reset_index()tmp_s3['month'] = tmp_s3['month']+1tmp_s6['month'] = tmp_s6['month']+1tmp_s3 = tmp_s3.rename(columns={'s3':'core_cust_id'})tmp_s6 = tmp_s6.rename(columns={'s6':'core_cust_id'})df = df.merge(tmp_s3,on=['core_cust_id','month'],how='left')df = df.merge(tmp_s6,on=['core_cust_id','month'],how='left')

6.5 app 點擊行為表

這張表記錄了user和產品之間的交互記錄，這里簡單的對user和產品交互情況進行統計，其代碼如下：

#app 點擊行為表 r = pd.read_csv(data_root2+'r.csv') r = cross_enc(r,'core_cust_id','prod_code') r = r.sort_values(['core_cust_id','r5']).reset_index(drop=True) r = r.drop_duplicates(subset=['core_cust_id'],keep='last') df = df.merge(r[['core_cust_id','prod_code','core_cust_id_count','prod_code_count','core_cust_id_prod_code_count','cross_core_cust_id_prod_code_count_div_core_cust_id_count','cross_core_cust_id_prod_code_count_div_prod_code_count']],on=['core_cust_id','prod_code'],how='left')

6.6 目標編碼

這里對user和產品id進行了五折目標編碼，其代碼如下：

## 五折目標編碼from sklearn.model_selection import StratifiedKFold label = 'y' skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=2020)enc_list = ['core_cust_id','prod_code']for f in tqdm(enc_list):train_df[f + '_target_enc'] = 0test_df[f + '_target_enc'] = 0for i, (trn_idx, val_idx) in enumerate(skf.split(train_df, train_df[label])):trn_x = train_df[[f, label]].iloc[trn_idx].reset_index(drop=True)val_x = train_df[[f]].iloc[val_idx].reset_index(drop=True)enc_df = trn_x.groupby(f, as_index=False)[label].agg({f + '_target_enc': 'mean'})val_x = val_x.merge(enc_df, on=f, how='left')test_x = test_df[[f]].merge(enc_df, on=f, how='left')val_x[f + '_target_enc'] = val_x[f + '_target_enc'].fillna(train_df[label].mean())test_x[f + '_target_enc'] = test_x[f + '_target_enc'].fillna(train_df[label].mean())train_df.loc[val_idx, f + '_target_enc'] = val_x[f + '_target_enc'].valuestest_df[f + '_target_enc'] += test_x[f + '_target_enc'].values / skf.n_splits

7.Baseline結果

在構造完特征之后，使用lgb對所得的數據進行訓練，其線下的閾值搜索結果如下：

thre: 0.03 f2 score: 0.3942484810161383 thre: 0.031 f2 score: 0.39657528516049867 thre: 0.032 f2 score: 0.39895684622669514 thre: 0.033 f2 score: 0.40054636211507927 thre: 0.034 f2 score: 0.4026079162691184 thre: 0.034999999999999996 f2 score: 0.4044912629302788 thre: 0.036 f2 score: 0.40612958944151645 thre: 0.037 f2 score: 0.40753496138593204 thre: 0.038 f2 score: 0.40927755967690993 thre: 0.039 f2 score: 0.410503800118327 thre: 0.04 f2 score: 0.4126804328858547 thre: 0.040999999999999995 f2 score: 0.41439493397173527 thre: 0.041999999999999996 f2 score: 0.414933881594318 thre: 0.043 f2 score: 0.4164246353831421 thre: 0.044 f2 score: 0.417484643151162 thre: 0.045 f2 score: 0.4190938253084154 thre: 0.046 f2 score: 0.4201667149431947 thre: 0.047 f2 score: 0.4213196324089531 thre: 0.048 f2 score: 0.4225329108548656 thre: 0.049 f2 score: 0.42326606470288314 thre: 0.05 f2 score: 0.4239773348575973 thre: 0.051000000000000004 f2 score: 0.4246038365304421 thre: 0.052 f2 score: 0.42623418944115027 thre: 0.054 f2 score: 0.4272477986135949 thre: 0.055 f2 score: 0.4281746644036414 thre: 0.057999999999999996 f2 score: 0.428551417415209 thre: 0.059 f2 score: 0.4293245411428671 thre: 0.06 f2 score: 0.4303395127494851 thre: 0.061 f2 score: 0.43075245365321696 thre: 0.062 f2 score: 0.43146751165763464 thre: 0.063 f2 score: 0.43217145548751756 thre: 0.064 f2 score: 0.4324398249452955 thre: 0.065 f2 score: 0.433346787509632 thre: 0.066 f2 score: 0.4336518242520382

在線上進行測評的得分為：0.29，可以看出本次賽題的線下和線上的差異有一點大

8.展望

本次baseline使用的表不是很多，還有很多與產品相關的表沒有使用，可以加入對這些產品相關的表的使用嘗試其他的boosting模型，例如xgb，cat等等可以嘗試使用一些自動調參工具對lgb進行調參模型融合。

對本次比賽感興趣的同學也可以參與深度之眼開設的baseline指導課程，旨在通過2次直播講清楚此次大賽baseline的構建思路、代碼以及優化。

• 1月13日直播：手把手教你baseline構建（代碼講解）

• 1月20日直播：baseline優化講解

帶著大家在實踐中學習、在學習中實踐，打出好成績，學到知識。

2次直播、全程答疑。

原價198元，13日前限時0.1元！

長按二維碼，立即參賽

第一次參賽沒關系，群內300+小伙伴，我們幫你組隊！

課程大綱

賽圈大佬指導

2次直播、全程答疑。

原價198元，13日前限時0.1元！

長按二維碼，立即參賽

第一次參賽沒關系，群內300+小伙伴，我們幫你組隊！

—1月13日開班—

總結

以上是生活随笔為你收集整理的baseline来啦！第三届厦门国际银行数创金融杯金融营销建模大赛(奖金34万！)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。