招商银行2022FinTech精英训练营 - 数据赛道方案分享

老肥今天和大家分享的是招商银行2022FinTech精英训练营的数据赛道。

该赛题是表格类赛题，主要是对客户流失进行预测，是一个常规的二分类问题，评价指标为AUC，其特点是A榜和B榜两个阶段是完全不同的打法。

A榜数据是与训练集同分布的数据，而B榜的数据则非同分布，因此成绩变化波动也比较大，下面我们一起从两个不同榜单的不同打法来简单回顾一下本赛题吧。

A榜思路

* 原始特征简单处理，将“？”字段统一替换为nan缺失值，所有数值特征统一减二，（这里考虑到2是出题方为了脱敏进行的变换，减二还原之后做特征交叉效果更佳）

* 训练集与测试集分布一致，具有同升同降的规律

* 基于特征理解，做的简单交叉验证分数提升非常有限

* 采用暴力全集特征交叉（二阶、加减乘除）、group组合提取偏离值特征以及数值变量与类别变量交叉（三阶）

* 使用特征重要性进行特征遍历筛选，选择线下高于一定得分的模型（使用不同特征组合）进行融合

B榜思路

* 观察完数据与其他选手分享的得分之后就一个思路 找毒特 ！！

* 目标就是找到训练集与测试集分布不一致的特征-删除

* 首先通过对抗验证的思路找到auc指标远大于0.5的特征，（这些特征名中有较大一部分带有CUR，猜测测试集中的数据取自和训练集不同的年份，导致差异显著）遂全部删除带有CUR的特征

* 然后玄学删除特征 （总结发现的主要规律是线下越低，线上越高【奇怪的现象】）

* 上一步骤主要通过特征重要性，迭代删除最重要的特征（和A榜做法相反，以获得更低的线下得分和更高的线上得分）

* 提交进行玄学测试（次数有限，做的很差））

本次比赛最终结果差强人意（A榜第9，B榜第28），感觉自己对于分布差异的特征理解还未完全到位，期待前排的选手来分享分享思路与做法