第10名解决方案与代码
感谢我队友们的努力。
特征工程
通过EDA发现开卡日(day-D1) (card = card_cols+addr_cols+email_cols, day=TransactionDT//86400)：
在 isFraud=0 和 isFraud=1 之间存在不同的 day-D1。
通过其他列对不同的 uid 进行编码——对旧 uid 有用
统计一段时间内 uid 的交易数量和产品类型——对新 uid 有用
如何推断本次比赛没有“震荡”
虽然测试集中旧 uid 的数量随时间减少。但欺诈标签为1（fraud=1）的旧 uid 基本保持不变。
如何防止过拟合
因为主要的改进来自于旧 uid 编码。所以 uid 编码的类型越多，本地 CV 分数越高。但并不是训练集中的每个 uid 都存在于测试集中。防止过拟合的技巧是将那些仅出现在训练集中且计数 < k 的 uid 设置为 NaN。这样你就可以添加更多类型的 uid 和编码。
我的三个模型：
