游戏玩家付费金额预测

标签：时长   之间   存在   分类   学习   idt   机器学习   特征选择   回归   

大纲：

赛题描述==》定位机器学习问题

数据分析==》特征选择==》算法选择==》参数优化

先分类，后回归，最后将每个回归模型用不同的算法进行模型融合。

流程：

熟悉数据：

前105个特征是关于游戏属性，后三个特征分别是平均在线时长，7日付费金额，7日付费次数，需要预测的是45日付费金额。

筛选特征：

分类标准：

四个特征值，一个预测值。

总结：

1.关于非均衡数据的处理方法，解决方法：欠采样、过采样、代价函数权值。若存在极度偏斜的数据时，就如同99：1，那么就可以归并为异常检测。

2.算法的选择及优化所带来的成绩提升是有限的（5~10分之间），而正真影响到成绩的层次是特征的选择及处理，就是所谓的特征工程。当然我这场比赛打下来，80%的时间是在做特征工程。

游戏玩家付费金额预测

标签：时长   之间   存在   分类   学习   idt   机器学习   特征选择   回归   

原文地址：https://www.cnblogs.com/zenan/p/9577168.html