这个notebook是根据去年o2o比赛冠军的代码[https://github.com/wepe/O2O-Coupon-Usage-Forecast] 整理注释的，使用notebook(使用了插件方便理清思路),加了一些自己的注释，调了一下bug，实测可以跑通。使用xgboost结果应该在0.795左右，排名126，想要提升目前的思路是继续挖掘新特征。或者在特征选择上做一些功夫，模型上尝试了xgboost与lightgbm，rf,xgboost结果最好。
这个notebook是根据去年o2o比赛冠军的代码（https://github.com/wepe/O2O-Coupon-Usage-Forecast）整理注释的，使用notebook（安装了插件方便整理）,加了一些自己的注释，调了bug，实测可以跑通。用xgboost应该在0.795左右。
这个notebook是根据去年o2o比赛冠军的代码[https://github.com/wepe/O2O-Coupon-Usage-Forecast] 整理注释的，使用notebook(使用了插件方便理清思路),加了一些自己的注释，调了一下bug，实测可以跑通。使用xgboost结果应该在0.795左右，排名126，想要提升目前的思路是继续挖掘新特征。或者在特征选择上做一些功夫，模型上尝试了xgboost与lightgbm，rf,xgboost结果最好。
这个notebook是根据去年o2o比赛冠军的代码（https://github.com/wepe/O2O-Coupon-Usage-Forecast）整理注释的，使用notebook（安装了插件方便整理）,加了一些自己的注释，调了bug，实测可以跑通。用xgboost应该在0.795左右。