2019.1.17
参考了一下qyxs大佬的代码，主要还是对UID做统计特征。
首先对UID做nunique统计，代码：
df = pd.DataFrame(data.groupby(col)['UID'].nunique())
df.columns = ['cnt_uid_' + col]
然后把df merge回原来的表，在对UID做groupby操作，代码示例如下：
sample_data.groupby('UID')['cnt_uid_' + rv].max()
---------------更新分割线------------------
1.复赛A榜26/2139，B榜46/2139，在一些容易过拟合的特征上面处理不够仔细。
复赛A榜0.47，B榜0.44010
2.运行顺序：
python get_feature.py
python merchant_id.py
python main.py
python cat_main.py
python bagging.py
3.特征工程:
get_cross 交叉特征，交叉特征是效果比较好的特征，大概能提0.05-0.1个百分点
get_ratio 转化率特征
get_merchant_feature 商户统计特征
get_time_features，get_all_time_fea 时间统计特征
get_most_list id出现最多次数特征，统计之后要做一个onehot
get_onehot_features 统计id countvector特征
get_time_cross_nunique 对交叉特征做time上的统计
也试过对onehot和countvector部分做stacking特征，线下有千分点的提升，线上崩了。
4.关于bagging:
主要是lgb，xgb和catboost的加权，lgb权重可以设置大一些。最后用的是(0.8xgb+0.2cgb)0.5+0.5lgb
catboost没办法用稀疏矩阵，onehot改成labelencoder，但是训练效果会变差，线下大概比onehot训练的少0.005个百分点。
特征还是主要是以用户为主体
感觉需要看下前排大佬的开源，好好学习，还是太菜了。