（作者：陈玓玏）
这个比赛我参加的时间稍微有点久远了，有些思路可能都不是特别清楚了，可以自己再好好细化、补充一下。
赛题中一共有四个文件，分别是线下测试集数据，线下训练集数据，线上训练集数据，以及最后需要提交的结果的格式。我其实在比赛时候只用了线下训练集的数据，已经是够用的了。
那么建模肯定需要确定几个大的方向点：1、label怎么定义？2、时间窗口怎么划分？3、变量怎么延伸？4、用什么算法？5、过拟合了怎么办？
1、label怎么定义？
因为题目已经要求过了，需要预测的是客户在15天内的优惠券使用率，所以我们把领取优惠券以后15内使用定为1，即我们要寻找的正样本，15内不使用的定为0，即负样本。
2、时间窗口怎么划分？
原始数据集中包括的数据是2016年1月1日到2016年6月30日的样本，那么在这几个月内，x值和y值我们都是已知的，然后要通过这之前的行为预测出七月份的y，但是没有七月的数据，所以我们需要给七月留出一个观察窗口，也就是造x变量的窗口。最后划分窗口的结果如下：
——————————————————————————————————————————————————
训练样本
x值产生区间：2016.01~2016.03，y值产生区间：2016.04
预测样本
x值产生区间：2016.04~2016.06，y值产生区间：无，是我们最终需要预测的结果
———————————————————————————————————————————————————
正好就是用三个月来预测一个月，因为这里也不去考虑模型稳定性的问题，因为只预测一个月嘛，不是长期使用这个模型，所以我们也就不会去考虑这些，也就没有通过客户表现的稳定性来确定时间窗口，而是选择了一个可以充分利用样本数据，又能够尽可能长地拉升观察窗口的划分方法。
3、变量怎么延伸？
初始数据其实就只有几列嘛，如下图所示：
但是这几个变量可用度实在太低，比如用户id和商户id这种变量根本就无效嘛，所以必须要延伸变量，分模块来细化变量，其实就是在细化用户的行为，初期延伸变量的时候肯定是分析得越细越好的。
那么我的思路是比较傻的方法，就是先单变量延伸，再组合延伸。
1、先延伸用户相关的变量，比如通过用户的消费频率、消费最大距离、最小距离、平均距离等来刻画用户的消费习惯；
2、再延伸商户变量，比如商家发布优惠券的频率、商家发布优惠券的最大、最小、平均折扣率等等，而且要区分是满减还是直接打折；
3、再延伸优惠券的变量，比如优惠券的折扣率；
4、接着延伸交叉变量，比如用户在每个商家的消费频率、使用优惠券的消费频率、使用优惠券的比例等等。
感觉延伸变量反正是一个比较恶心的过程，但是也比较有意思，恶心是因为它既感性又理性，可能还要凭一些经验，有意思是因为它其实就是一个刻画行为的过程，值得玩味。
4、用什么算法？
这就是一个二分类问题，可以用的算法多了去了，逻辑回归、决策树、SVM、XGBoost、随机森林，blahblahblah……最后用的是XGBoost，因为它很省心啊，又可以自己灵活抽样，又可以很方便地调参来防止过拟合，而且是集成学习，预测精度高，还能帮你选特征。
5、怎么防止过拟合？
很多方法了，调参啦，控制树深、树的分裂条件，叶子节点权重等，还可以自己选变量，把那些不重要的变量都筛掉。最后我的结果AUC是在0.799的样子，因为我电脑比较挫，跑不了所有的数据，只能跑一部分，不然肯定能到0.8以上，然后当季排名是15，现在大家更牛了，第一名已经到0.81+了。