MsTao-68 / Debt-Churn-Data-Analysis

使用比赛方提供的脱敏数据，进行客户信贷流失预测。

Churn Data Analysis

使用比赛方提供的脱敏数据，进行客户信贷流失预测。根据比赛方要求，无法开源数据。 二分类问题

• Version 1: CMTR_CHURN_PR 传统机器学习 XGBoost
  • AUC: 0.6145

---

• Version 2: CMTR_CHURN_PR_V2 人工神经网络 ANN
  • 遇到的问题：
    1. 做了特征工程，发现变量的相关性与是否流失基本不相关，而变量之间的相关性显著，即是否去除变量，对AUC和准确率影响不大。
    • 解决思路：使用人工神经网络。
      1. 损失函数：model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
      • 两层全连接层：AUC: 0.75 | Score：0.8335148392539795
      • DNN（五层）: AUC: 0.8424366624721034 | Score: 0.8074
      2. 损失函数：model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy']) | validation_split=0.2
      • 两层全连接层：AUC: 0.8424366624721034 | Score: 0.8452
      • DNN（五层）: 0.8764842415303271 | Score: 0.8323
      3. 总结：人工神经网络效果不如XGB，通过损失函数绘图发现有过拟合现象，验证集效果远不及训练集。

---

• Version 3: CMTR_CHURN_PR_V3_ TabNet 使用无监督模型进行预训练
  • 遇到的问题：AUC和准确率提升依旧很难，模型效果比较差。AUC: 0.6511318268787747 | Score: 0.74
    • 解决思路：使用PCA主成分分析法，进行特征降维, 准确率依旧下降，出现特征工程无效的情况，原因未知。AUC: 0.5801404503216607

---

• Version 4: CMTR_CHURN_PR_V4 变量分箱 | XGB | RF | TabNet | AutoML
  • 经过特征选择后（TOP30），对字符型变量进行独热编码，对数值型去除量纲，并进行等间距分箱，num_bins = 6
    1. XGB: AUC: 0.6046600198503995 | Score: 0.775887943971986
    2. RandomForest: AUC: 0.6046600198503995 | Score: 0.7712606303151576
    3. TabNet 无监督预训练， AUC: 0.7872822945848122
    4. AutoGluon 直接输出leaderboard，并使用TOP3的模型进行预测。

---

• Version 5: CMTR_CHURN_PR_V5 变量组合新变量进一步降维 | 随机森林权重筛选变量
  • 经过特征选择（TOP12），通过SMOTE方法平衡正负样本（1:1）。AUC: 0.74977

---

• Version 6: CMTR_CHURN_PR_V6 SMOTE采样 | LightGBM | GridSearchCV | K折交叉验证 | 模型融合（《机器学习》周志华）
  • 经过数据清洗后，使用SMOTE平衡正负样本（3:1 -> 1:1），由于剔除变量使得AUC显著下降，故根据相关系数热力图，剔除多重共线性变量。
  • 使用K折交叉验证和GridSearchCV寻找LightGBM最优参数，训练集和验证集AUC均大于92%，但是提交的预测结果只显示0.6613，依旧存在过拟合现象。
  • 使用模型融合，第一层LightGBM + XGB计算加权平均值，将加权平均值输入LogisticRegression预测结果，最终提交平台的AUC:0.6889。

---

• 总结：虽然从数据清洗、变量筛选、调参、调整分类效果最好的模型、尝试模型融合，比赛结果依旧不理想，但是过程中学到了很多，并且了解了AutoML的包，并且学习到了模型融合的**。还是有进步的。