赛题背景

想象一下，站在杂货店的收银台，身后排着长队，收银员没有那么安静地宣布您的信用卡被拒绝了。在这一刻，你可能没有想到决定你命运的数据科学。
非常尴尬有木有？当然你肯定有足够的资金为50个最亲密的朋友办一场盛大的纳乔派对，然后你又试了一次，但是还是同样的结果。此时你只能站在另外一边，让收银员为下一个客户服务时，你收到了银行的短信。“如果你真的想花500美元买切达干酪，请按1。”
虽然现在可能很麻烦(而且常常很尴尬)，但这种防欺诈系统实际上每年为消费者节省数百万美元。来自ieee计算智能协会(ieee-cis)的研究人员希望在改善客户体验的同时，提升这个数字。有了更高准确度的欺诈检测率，您就可以在没有麻烦的情况下继续使用您的芯片。
ieee-cis在各种人工智能和机器学习领域，包括深层神经网络、模糊系统、演化计算和群智能等等。今天，他们正与世界领先的支付服务公司Vesta Corporation合作，为防欺诈行业寻求最佳解决方案，现在邀请您也加入此次挑战。
在本次竞赛中，您将在一个具有挑战性的大型数据集上对你的机器学习模型进行基准测试。这些数据来自Vesta的真实电子商务交易，并且包含了从设备类型到产品功能的各种特征。您还可以创建新的特征来改善结果。
如果成功，您将提高全球数百万人的欺诈交易警报的有效性，帮助数十万企业减少欺诈损失并增加收入。当然，你也可以为你自己减少误报的麻烦。

致谢:
Vesta公司为这次竞争提供了数据集。Vesta公司是保证电子商务支付解决方案的先驱。维斯塔公司成立于1995年，开创了电信行业无担保卡(CNP)支付交易的先河。此后，Vesta在全球范围内坚定地扩展了数据科学和机器学习能力，巩固了其在保证电子商务支付方面的领先地位。如今，Vesta每年为超过180亿美元的交易提供担保。

Magic Feature

https://www.kaggle.com/cdeotte/xgb-fraud-with-magic-0-9600

# frequency encode
def encode_FE(df1, df2, cols):for col in cols:df = pd.concat([df1[col], df2[col]])vc = df.value_counts(dropna=True, normalize=True).to_dict()vc[-1] = -1nm = col + "FE"df1[nm] = df1[col].map(vc)df1[nm] = df1[nm].astype("float32")df2[nm] = df2[col].map(vc)df2[nm] = df2[nm].astype("float32")print(col)# label encode
def encode_LE(col, train=X_train, test=X_test, verbose=True):df_comb = pd.concat([train[col], test[col]], axis=0)df_comb, _ = pd.factorize(df_comb[col])nm = colif df_comb.max() > 32000:train[nm] = df_comb[0: len(train)].astype("float32")test[nm] = df_comb[len(train):].astype("float32")else:train[nm] = df_comb[0: len(train)].astype("float16")test[nm] = df_comb[len(train):].astype("float16")del df_combgc.collect()if verbose:print(col)def encode_AG(main_columns, uids, aggregations=["mean"], df_train=X_train, df_test=X_test, fillna=True, usena=False):for main_column in main_columns:for col in uids:for agg_type in aggregations:new_column = main_column + "_" + col + "_" + agg_typetemp_df = pd.concat([df_train[[col, main_column]], df_test[[col, main_column]]])if usena:temp_df.loc[temp_df[main_column] == -1, main_column] = np.nan#求每个uid下，该col的均值或标准差temp_df = temp_df.groupby([col])[main_column].agg([agg_type]).reset_index().rename(columns={agg_type: new_column})#将uid设成indextemp_df.index = list(temp_df[col])temp_df = temp_df[new_column].to_dict()#temp_df是一个映射字典df_train[new_column] = df_train[col].map(temp_df).astype("float32")df_test[new_column] = df_test[col].map(temp_df).astype("float32")if fillna:df_train[new_column].fillna(-1, inplace=True)df_test[new_column].fillna(-1, inplace=True)print(new_column)# COMBINE FEATURES交叉特征
def encode_CB(col1, col2, df1=X_train, df2=X_test):nm = col1 + '_' + col2df1[nm] = df1[col1].astype(str) + '_' + df1[col2].astype(str)df2[nm] = df2[col1].astype(str) + '_' + df2[col2].astype(str)encode_LE(nm, verbose=False)print(nm, ', ', end='')# GROUP AGGREGATION NUNIQUE
def encode_AG2(main_columns, uids, train_df=X_train, test_df=X_test):for main_column in main_columns:for col in uids:comb = pd.concat([train_df[[col] + [main_column]], test_df[[col] + [main_column]]], axis=0)mp = comb.groupby(col)[main_column].agg(['nunique'])['nunique'].to_dict()train_df[col + '_' + main_column + '_ct'] = train_df[col].map(mp).astype('float32')test_df[col + '_' + main_column + '_ct'] = test_df[col].map(mp).astype('float32')print(col + '_' + main_column + '_ct, ', end='')

链接：https://zhuanlan.zhihu.com/p/85947569