首先还是要感谢平安的这次比赛，让自己对数据处理有了更深层次的一些了解。
话不多说，进入正题。最优成绩为0.2878.
主要比赛流程（结合自身经验总结）
1.基本数据的分析EDA以及随机森林或者Xgboost方法进行对应主要特征的提取。（红色部分是参赛心得）
2.在对有序多值特征时，需要结合实际问题来对具体参数进行map赋值处理，对于多值无序的特征需要进行独热编码处理（one-hot编码），这样不仅扩充了特征，也排除了人为设置对应关系带来的干扰。
3.在计算机硬件允许的情况下，还是要对数据进行SMOTE方法的上下采样，从理论上进行对数据的扩充，减少样本分布不均衡造成的影响。（虽然自己没有复现出来）
4.本人思路，从结果来看，分数还是可以接受的。自己出发点是既然有70W+的正样本和3293个负样本，单方面认定70W+的正样本是大量的无用的重复特征，增加了特征提取和模型训练的难度。所以随机对70W+的正样本进行了抽样（按行抽样）。然后用lgm/gbdt/xgboost分别对1:5 1:10 1:15的正负样本比例进行训练，然后根据线下AUC分数的比例得到了三者的比例为1:1:3这样进行最终模型的投票选择。采用三个不同比例样本训练的出发点是，为了更好的训练模型对极小负样本数量特征的提取，有助于模型对少数样本的预测。不能过于信赖精确率这个指标!
5.在样本极度不均衡的条件下，平时用到的精确率率这个指标就作废了，主要用到召回率，准确率和F 值。本次比赛标准用到F2值。
具体的参赛代码，可以参考github网址，https://github.com/Shadow-Yang/PingAn2018jike