代码共分成4块：
1：数据预处理
该模块主要是使用Hadoop以及Hive平台进行数据的统计；其中涉及到的特征合并脚本采用的是Python编写；数据导出使用的shell脚本；
train.sql
test.sql
submit.sql
这三个文件用于统计特征，为了方便，这里复制成三个，除了数据统计的时间不一样，内容是一致的（submit缺少target)
要求：必须要使用以下的模式
drop table if exists ...
create table ...
combine2sql.py
安装python 依赖：
regex: pip install regex
将train.sql中的特征组合起来，得到一个大表的sql语句,保存到combine_features.sql文件中;
sample.sql
根据统计结果，对0 和 1的数据按照比例采样，此处采用1:10采样。（样本为1万多，需要修改说明文档）
export_to_csv.sh
shell脚本导出采样数据
注：SQL按照SQL的格式要求之后，可以直接在hive client中source file.sql 就可以执行相应的SQL语句;
2：模型训练
xgboost.R
h2orf.R
采用的R语言进行模型的训练
xgboost.R 为xgboost模型
h2orf.R 为 h2o的Random Forest模型的代码
依赖：readr, data.table, xgboost, caret, h2o
install.packages("readr")
install.packages("data.table")
install.packages("xgboost")
install.packages("caret")
install.packages("h2o")
使用:
Rscript xgboost.R
Rscript h2orf.R
3：模型融合
blend.py
对同一个目录下的文件做blending，保存成blending.csv
weighted_blend.py
对同一个目录下的文件做带权blending，格式要求，name-weight.csv
4：数据结果阈值调整以及格式转换
laterprocessing.py
安装python 依赖：
numpy：pip install numpy
pandas: pip install pandas
使用：
python laterprocessing.py submit_out.file threshold