天池o2o优惠券使用预测（入门）

一、前言

近期学习了一下天池中o2o优惠券使用预测的学习赛，主要任务是通过分析建模，精准预测用户是否会在规定时间内使用相应优惠券。这次的参与主要是学习为主，牛刀小试。

二、解决方案

• 数据分析：对于给定的数据集进行分析处理。
• 特征工程：挖掘出更具代表性的特征。
• 模型建立：使用随机梯度下降法进行建模（SGDClassifier）

三、功能实现

1、导入相关的库

#导入常规用的库 
import numpy as np
import pandas as pd 
from datetime import date  #日期
#数据集划分相关库
from sklearn.model_selection import KFold, train_test_split,StratifiedKFold, cross_val_score,GridSearchCV 
#管道输入函数，自定义模型
from sklearn.pipeline import Pipeline   
#SGD随机梯度下降分类器以及逻辑回归
from sklearn.linear_model import SGDClassifier, LogisticRegression
#数据预处理库，归一化处理
from sklearn.preprocessing import StandardScaler
#评价指标
from sklearn.metrics import log_loss, roc_auc_score, auc, roc_curve
from sklearn.preprocessing import MinMaxScaler
%matplotlib inline
%config InlineBackend.figure_format = 'retina'  #高清图嵌入

2、导入数据集并观察分析

dfoff = pd.read_csv(r'E:\天池020优惠券使用预测\Code\data\ccf_offline_stage1_train.csv',keep_default_na=False).iloc[:,0:7]
dfon = pd.read_csv(r'E:\天池020优惠券使用预测\Code\data\ccf_online_stage1_train.csv',keep_default_na=False)
dftest = pd.read_csv(r'E:\天池020优惠券使用预测\Code\data\ccf_offline_stage1_test_revised.csv',keep_default_na=False

观察dfoff的前五行，查看数据集情况。

分析结论：

print('有优惠券，购买商品: %d'% dfoff.loc[(dfoff['Date_received']!='null')&(dfoff['Date']!='null')].shape[0])
print('有优惠券，未购买商品: %d'% dfoff.loc[(dfoff['Date_received']!='null')&(dfoff['Date']=='null')].shape[0])
print('无优惠券，购买商品: %d'% dfoff.loc[(dfoff['Date_received']=='null')&(dfoff['Date']!='null')].shape[0])
print('无优惠券，未购买商品: %d'% dfoff.loc[(dfoff['Date_received']=='null')&(dfoff['Date']=='null')].shape[0])

可以看出无优惠券但是也购买的商品的客户还是很多的，为了更加精准的把优惠券发放到会购买商品的客户手里，我们需要建立预测模型进行预测。

3、打折率（Discount_rate）特征处理
从上述显示的数据集来看，除了ID外先看第一个有用的特征，打折率，我们都知道如果商品打折得多购买的欲望就更强，因此我们应该好好分析一下打折率。
首先对打折率这个特征的值进行统计观察：

dfoff['Discount_rate'].unique()

发现打折率的值主要分为以下4中情况：
（1）没有打折，null值
（2）0~1范围，表示直接打折
（3）满多少减多少
（4）干扰值
我们可以先把干扰值所在处的样本去除，干扰值为’2418’和’7751’

#除去干扰值所在样本
dfoff = dfoff[(dfoff['Discount_rate']!='2418') & (dfoff['Discount_rate']!='7751')<