基于Python的智能金融算法-特征挖掘数据预处理和特征提取 设计报告+答辩PPT+项目源码及数据集

---

目录一、代码组织方式及执行顺序 3二、问题描述 3三、特征提取 4（一）dat_risk 4（二）dat_symbol 4（三）dat_app 6（四）dat_edge 7四、用户关联图的特征提取 13（一）中心度类特征 13（二）Louvain 社区聚类 13五、标签传播 14（一）一度联系人 14（二）二度联系人 15（三）一度路由 17六、特征传播 17（一）特征概述 18（二）数据描述 18（三）特征提取 18（四）特征评价 18七、数据汇总及特征比较 18八、特征排序与离散化 19九、调参 19十、测试集 AUC 下滑之谜 21（一）用户 app 数据的缺失率差异 21（二）用户关联数据的关联紧密程度 21十一、改进空间 22一、代码组织方式及执行顺序二、问题描述在这里说明是为了达成共识，同时也是为了统一符号表示，后面的讲解都以此为基础。 关于用户特征的数据分为四部分（按照处理的难易程度排序，从易到难）:•（1）dat_risk•（2）dat_symbol•（3）dat_app•（4）dat_edge关于用户标签和训练集、验证集、测试集的数据: （1）sample_train(两列: id、label) （2）valid_id(一列: id) （3）test_id(一列: id)把 sample_train、valid_id、test_id 的 id 拼接起来，得到所有的 id，数据名称记为 all_id， 数据格式为一个 28959*1 的 DataFrame.三、特征提取（一）dat_risk输出为 all_id_dat_risk把 dat_risk 和 all_id 进行内连接:all_id_dat_risk = pd.merge(all_id, dat_risk, on='id', how='inner')目的是找出 all_id 中每一个 id 的特征，当然有些 id 可能没有这个特征，在最终的数据上表现为缺失值。