Datawhale AI夏令营 机器学习2.1

主要优化点：

1. 设备品牌分桶：

   • 将低频设备品牌归类为"Other"

   • 解决长尾分布问题，减少噪声

2. 重叠用户策略：

   test_df['is_new_did'] = test_df['did'].apply( lambda x: user_label_dict[x] if x in user_label_dict else test_df.loc[test_df['did'] == x, 'pred_model'].values[0] )

   • 对于训练集中出现过的用户，直接使用已知标签

   • 充分利用数据特点（测试集93%用户出现在训练集中）

3. 模型参数优化：

   • 减小max_depth(8)和num_leaves(31)防止过拟合

   • 降低learning_rate(0.05)提高稳定性

   • 增加正则化项(lambda_l1, lambda_l2)

   • 增加num_boost_round(2000)配合早停

4. 阈值搜索优化：

   thresholds = np.arange(0.1, 0.5, 0.01) # 更精细的阈值搜索

   • 以0.01为步长搜索最佳阈值

   • 更精确地平衡精确率和召回率

分数结果：