项目背景：携程作为中国领先的综合性旅行服务公司，每天向超过2.5亿会员提供全方位的旅行服务，在这海量的网站访问量中，我们可分析用户的行为数据来挖掘潜在的信息资源。其中，客户流失率是考量业务成绩的一个非常关键的指标。此次竞赛的目的是为了深入了解用户画像及行为偏好，找到最优算法，挖掘出影响用户流失的关键因素，从而更好地完善产品设计、提升用户体验；
项目介绍：分析影响客户流失的关键因素，并通过算法预测客户访问的转化结果。
项目流程：
pycharm导入原始训练集和测试集数据，然后进行缺失值的填充（缺失值一共分为3部分：
缺失值占比小于20%：（
commentnums 当前酒店点评数，
novoters 当前酒店评分人数，
cancelrate 当前酒店历史取消率，
price_sensitive 价格敏感指数，
hoteluv 当前酒店历史uv，
hotelcr 当前酒店历史cr，
cr_pre 24小时历史浏览次数最多酒店历史cr，
lowestprice_pre 24小时内已访问次数最多酒店可订最低价，
lowestprice_pre2 24小时内已访问酒店可订最低价均值，
customereval_pre2 24小时历史浏览酒店客户评分均值，
commentnums_pre 24小时历史浏览次数最多酒店点评数，
commentnums_pre2 24小时历史浏览酒店点评数均值，
cancelrate_pre 24小时内已访问次数最多酒店历史取消率，
novoters_pre2 24小时历史浏览酒店评分人数均值，
novoters_pre 24小时历史浏览次数最多酒店评分人数，
deltaprice_pre2_t1 24小时内已访问酒店价格与对手价差均值，
lowestprice_pre 24小时内已访问次数最多酒店可订最低价，
uv_pre 24小时历史浏览次数最多酒店历史uv，
uv_pre2 24小时历史浏览酒店历史uv均值，
businessrate_pre2 24小时内已访问酒店商务属性指数均值，
cityuvs 昨日访问当前城市同入住日期的app uv数，
cityorders 昨日提交当前城市同入住日期的app订单数，
visitnum_oneyear 年访问次数；），
缺失值占比20%-50%：（
ordercanncelednum 用户一年内取消订单数，
landhalfhours 24小时内登陆时长，
starprefer 星级偏好，
consuming_capacity 消费能力指数，
historyvisit_avghotelnum 近3个月用户历史日均访问酒店数，
delta_price1 用户偏好价格-24小时浏览最多酒店价格，
businessrate_pre 24小时历史浏览次数最多酒店商务属性指数，
ordernum_oneyear 用户年订单数，
avgprice 平均价格，
delta_price2 用户偏好价格-24小时浏览酒店平均价格，
customer_value_profit 客户价值_近1年，
ctrip_profits 客户价值，
Lasthtlordergap 一年内距离上次下单时长，
Lastpvgap 一年内距上次访问时长,
cr 用户转化率）,
缺失值大于50%：（
historyvisit_7ordernum 近7天用户历史订单数，
historyvisit_totalordernum 近1年用户历史订单数，
ordercanceledprecent 用户一年内取消订单率，
historyvisit_visit_detailpagenum 7天内访问酒店详情页数））
以上缺失值，少于20%的特征用均值填充，20%-50%的特征用-999填充，大于50%的特征用0填充；
根据统计分析，decisionhabit_user这个特征大于40的数据占的比例很少，所以把大于40的值改成1，小于40的改成0；
根据用户和酒店进行分组（这里需要用到聚类KMeans），
用户组=[historyvisit_7ordernum 近7天用户历史订单数，
historyvisit_totalordernum 近1年用户历史订单数，
ordercanceledprecent 用户一年内取消订单率，
historyvisit_visit_detailpagenum 7天内访问酒店详情页数,
historyvisit_avghotelnum 近3个月用户历史日均访问酒店数，
lowestprice_pre 24小时内已访问次数最多酒店可订最低价，]
酒店组=[commentnums 当前酒店点评数，
novoters 当前酒店评分人数，
cancelrate 当前酒店历史取消率，
hoteluv 当前酒店历史uv，
hotelcr 当前酒店历史cr，
Lowestprice 当前酒店可定最低价]
另外，这里有一部分连续特征需要处理：starprefer，avgprice，consuming_capacity 定义三个函数，starprefer中值等于-999的返回为0，小于50的值返回为1，50-80的值返回为2，其余返回为3；avgprice中值等于-999的返回为0，小于300的值返回为1，小于1000的值返回为2，其余返回为3；consuming_capacity中值等于-999的返回为0，小于50的值返回为1，其余返回为2；
然后根据刚才的用户组和酒店组通过KMeans生成两个特征：userclass，hotelclass，紧接着对数据进行one-hot编码，这里用到get_dummies函数。
构造新的时间特征，是否为工作日/星期几/预定时间与入住时间间隔，因为工作日和周末对客户预定酒店有很大影响，所以要另外添加特征来分析。
如果同一个用户连续几天预定了同一家酒店，第一天的数据在训练集上，那么之后几天的数据则会过拟合，所以要把同一个用户的信息放到同一个数据集中，根据这个思路构造一个新的特征：用户标签，需要用到hash函数，
这个用户标签= ordercanncelednum 用户一年内取消订单数 +
historyvisit_avghotelnum 近3个月用户历史日均访问酒店数 +
ordernum_oneyear 用户年订单数 + customer_value_profit 客户价值_近1年 + ctrip_profits 客户价值 + cr 用户转化率 +
visitnum_oneyear 年访问次数；
Train，Test数据分割用来训练模型，首先把训练集数据按照用户标签特征进行排序，之后按照7比3的比例分成Train数据和Test数据；
建模需要用到的数据为Train数据，Test数据和Pred数据，这里的Pred数据是之前处理好的测试集数据；
构建一个调参函数，这里要用到网络搜索GridsearchCV，调整树的最大深度，每个叶子节点个数，步长，每棵树随机采样列数占比以及样本随机采样的比例来找出最优参数，我用的模型是XGBoost，找到最优参数后，紧接着用找到的最优参数来训练XGB模型，然后用模型进行预测，这里使用了precision_recall_curve函数输出所有精确度和召回率，在精确度大于0.97的数据中找出最大召回率，然后保存预测结果。到这里这个案例差不多已经完成了，还剩下最后的上线。
我做这个案例的大体思路是如何找出有效特征并且构建新的有效特征，对于一个模型来说，通过调参来提升模型毕竟有限，最重要的还是特征工程。这里的特征大致分为3类，订单相关指标，酒店相关指标和用户相关指标，列出每个指标中重要的特征着重分析；
