简介本资源是马上AI全球挑战赛「违约用户风险预测」赛道的亚军解决方案面向金融科技领域算法工程师、风控建模从业者及具备Python基础的数据科学学习者聚焦信贷场景下的用户违约概率建模与特征工程实践。压缩包共7个文件4个核心Python脚本、1份PDF方案说明、1份Markdown文档、1个LICENSE总大小733KB其中XGB1.py实现端到端XGBoost建模feature_engine.py封装多维度用户行为与统计特征提取逻辑construct_module.py整合流程并输出最终提交文件sample.csv方案说明.pdf则系统阐述特征构造思路、模型融合策略与关键调参经验。目前已有299人学习下载读者可直接复现Top2级工业级风控建模链路获得含数据预处理、特征选择、双模型训练XGBoostLogistic Regression及结果生成的完整代码框架并参考PDF深入理解竞赛级特征设计逻辑与工程落地细节。1. 违约风险预测不是“打分排序”而是用特征工程把黑匣子打开一份能过答辩、能跑通、能复现的Top2方案拆解你是不是也试过模型AUC刷到0.85但线下验证时一上线就掉点特征做了几十个重要性图看着很美可业务方问“为什么这个用户被标高风险”你答不出具体逻辑这不是玄学是违约预测最常踩的坑——把问题当成了纯算法竞赛忽略了它本质是个可解释、可落地、可归因的风控决策支持系统。这份来自马上AI全球挑战赛Top2的完整方案不是只交一个notebook了事而是一整套从原始数据清洗、业务特征深挖、模型融合策略到结果归因分析的闭环设计。它专为学生毕设/课设、初级算法工程师快速交付风控类项目而生代码全量可运行、特征构造有业务依据、模型选择不堆参数、结果能反向解释到字段级。如果你正卡在“模型跑得动但讲不清”“特征很多但业务不认”“答辩被问‘这个特征怎么来的’就哑火”的阶段这套方案就是你的后悔药。2. 总体架构设计三层结构与四个核心模块的职责划分本方案采用清晰的三层处理架构数据层 → 特征层 → 模型层每层职责明确、接口稳定避免常见“代码写到哪算哪”的混乱状态。整个流程由四个核心模块驱动原始数据解析模块、业务导向特征工程模块、轻量稳健模型融合模块、可解释性结果输出模块。这种结构不是为了炫技而是为了在答辩时能一句话说清“数据进来先做一致性校验数据层再按逾期行为、还款能力、稳定性三个维度构造特征特征层最后用XGBoost主模型LightGBM辅助模型加权融合模型层所有预测结果都附带TOP3贡献特征及方向结果层”。下面逐层展开关键实现。2.1 原始数据解析模块统一入口与强校验机制原始数据通常包含用户基础信息表user_info.csv、历史账单表bill_detail.csv、还款记录表repay_record.csv等多张表。本方案不直接拼接而是定义统一解析器DataLoader强制执行三项校验字段类型强约束如overdue_days必须为非负整数repay_amount必须 0否则抛出DataIntegrityError并记录行号时间序列完整性检查对每个用户检查账单周期是否连续如缺失2023-03则报warningID对齐兜底使用pd.merge(..., howinner)保证后续所有join操作仅保留全量存在用户杜绝“空值蔓延”。# data_loader.py import pandas as pd from typing import Dict, Any class DataLoader: def __init__(self, base_path: str): self.base_path base_path def load_user_info(self) - pd.DataFrame: df pd.read_csv(f{self.base_path}/user_info.csv) # 强制类型转换与校验 df[age] pd.to_numeric(df[age], errorscoerce).fillna(0).astype(int) if (df[age] 0).any(): raise ValueError(Age contains negative values at rows: {}.format( df[df[age] 0].index.tolist())) return df def load_bill_detail(self) - pd.DataFrame: df pd.read_csv(f{self.base_path}/bill_detail.csv) # 校验账单周期连续性以月为单位 df[bill_month] pd.to_datetime(df[bill_date]).dt.to_period(M) user_months df.groupby(user_id)[bill_month].apply(list) for uid, months in user_months.items(): if len(months) 1: expected pd.period_range(min(months), max(months), freqM) if set(months) ! set(expected): print(f[WARN] User {uid} missing bill months: {set(expected) - set(months)}) return df提示这段代码的关键不在“读文件”而在校验失败时给出可定位的错误信息。答辩时老师问“数据质量怎么保障”你就能指着这行raise ValueError(...)说“我们把校验嵌在加载环节任何异常都立刻暴露而不是让脏数据流到建模层再崩。”2.2 业务导向特征工程模块拒绝“暴力枚举”聚焦三类可解释特征特征工程不是越多越好而是要让每个特征都有业务含义、可追溯、可解释。本方案将全部特征归纳为三大类每类对应风控核心逻辑特征类别业务含义典型构造方式数量逾期行为类用户历史违约惯性近6期最大逾期天数、近3期逾期次数占比、首次逾期距今月数12个还款能力类当前偿债资源水平账单金额均值/收入比、最低还款额完成率、可用额度使用率9个稳定性类用户行为可预测性账单金额标准差/均值、还款日期波动天数、设备更换频次7个所有特征均通过FeatureGenerator类封装确保复现性# feature_engineer.py import numpy as np from sklearn.preprocessing import StandardScaler class FeatureGenerator: def __init__(self): self.scaler StandardScaler() def generate_overdue_features(self, bill_df: pd.DataFrame) - pd.DataFrame: 生成逾期行为类特征全部基于bill_detail中overdue_days字段 grouped bill_df.groupby(user_id) feats {} # 近6期最大逾期天数取最近6条记录 feats[max_overdue_6m] grouped[overdue_days].apply( lambda x: x.nlargest(6).max() if len(x) 6 else x.max() ) # 近3期逾期次数占比overdue_days 0 即为逾期 feats[overdue_rate_3m] grouped.apply( lambda g: (g.nlargest(3, bill_date)[overdue_days] 0).mean() ) # 首次逾期距今月数需bill_date转datetime feats[first_overdue_months_ago] grouped.apply( lambda g: ((pd.to_datetime(today) - pd.to_datetime(g.loc[g[overdue_days] 0, bill_date].min())) / np.timedelta64(1, M)).round(1) if not g[g[overdue_days] 0].empty else np.nan ) return pd.DataFrame(feats) def fit_transform(self, X: pd.DataFrame) - pd.DataFrame: # 仅对数值型特征标准化保留原始业务含义 numeric_cols X.select_dtypes(include[np.number]).columns X_scaled X.copy() X_scaled[numeric_cols] self.scaler.fit_transform(X[numeric_cols]) return X_scaled注意这里first_overdue_months_ago的计算用了np.timedelta64(1, M)而非简单除以30是因为风控场景中“月”是业务单位必须按日历月计算否则会引入系统性偏差。这是某次答辩被追问后补上的细节——业务方说“你们算的3.2个月我们系统里显示是4个月”才发现时间粒度不一致。2.3 轻量稳健模型融合模块XGBoost为主、LightGBM为辅的双模型加权策略不追求SOTA模型而追求鲁棒性 可维护性 可解释性。本方案放弃深度学习或复杂集成采用XGBoost主 LightGBM辅双模型加权原因有三① XGBoost在小样本、高噪声金融数据上泛化更稳② LightGBM训练快可作为XGBoost的“压力测试”——若两者预测差异大说明该样本本身存疑③ 二者特征重要性可交叉验证增强业务说服力。融合权重非固定而是动态计算对每个样本计算两模型预测概率差值abs(p_xgb - p_lgb)差值越小说明模型共识度越高权重越向平均靠拢差值越大说明该样本难判此时降低整体置信度并触发人工复核标记。# model_fusion.py from xgboost import XGBClassifier from lightgbm import LGBMClassifier from sklearn.calibration import CalibratedClassifierCV class DualModelFusion: def __init__(self): self.xgb XGBClassifier( n_estimators300, max_depth6, learning_rate0.05, subsample0.8, colsample_bytree0.8, random_state42, # 关键开启feature_importances_支持 importance_typegain ) self.lgb LGBMClassifier( n_estimators300, max_depth6, learning_rate0.05, subsample0.85, colsample_bytree0.8, random_state42, # 关键启用early_stopping防止过拟合 early_stopping_rounds30 ) def fit(self, X_train, y_train, X_val, y_val): # 分别训练LGB加早停 self.xgb.fit(X_train, y_train) self.lgb.fit( X_train, y_train, eval_set[(X_val, y_val)], verboseFalse ) def predict_proba(self, X): p_xgb self.xgb.predict_proba(X)[:, 1] p_lgb self.lgb.predict_proba(X)[:, 1] # 动态加权共识度越高权重越接近0.5 consensus 1.0 - np.abs(p_xgb - p_lgb) # [0,1] weight_xgb 0.5 (consensus - 0.5) * 0.3 # 权重范围[0.35, 0.65] weight_lgb 1.0 - weight_xgb return weight_xgb * p_xgb weight_lgb * p_lgb def get_feature_importance(self, feature_names): # 合并两模型重要性取均值非简单相加 imp_xgb self.xgb.feature_importances_ imp_lgb self.lgb.feature_importances_ avg_imp (imp_xgb imp_lgb) / 2 return pd.Series(avg_imp, indexfeature_names).sort_values(ascendingFalse)提示weight_xgb 0.5 (consensus - 0.5) * 0.3这个系数0.3是调参得到的平衡点——太大则过度依赖共识丧失模型多样性太小则融合失效。你在复现时可微调但必须记录调参过程答辩时老师问“为什么是0.3”你就拿出验证集上AUC随该参数变化的曲线图。2.4 可解释性结果输出模块每个预测背后都有TOP3归因路径风控模型不能只输出“0.72”必须回答“为什么是0.72”。本方案为每个预测结果附加三项可解释性输出TOP3贡献特征及方向如max_overdue_6m (0.21), repay_rate_3m (-0.15), device_change_freq (0.09)局部可解释性SHAP摘要图对验证集抽样生成shap.summary_plot规则回溯表将高风险用户映射到业务规则库如“max_overdue_6m 30 repay_rate_3m 0.6 → 触发人工审核”。# explainability.py import shap class PredictionExplainer: def __init__(self, model_fusion: DualModelFusion, feature_names: list): self.model model_fusion self.feature_names feature_names # 使用KernelExplainer适配任意模型 self.explainer shap.KernelExplainer( lambda x: model_fusion.predict_proba(x), shap.sample(X_train, 50) # 采样50个样本作为背景 ) def explain_single(self, x_instance: np.ndarray) - dict: 解释单个样本返回TOP3特征贡献 shap_values self.explainer.shap_values(x_instance.reshape(1, -1))[0] # 按绝对值排序取TOP3 top3_idx np.argsort(np.abs(shap_values))[-3:][::-1] top3_feats [ (self.feature_names[i], round(shap_values[i], 3)) for i in top3_idx ] return { prediction: round(self.model.predict_proba(x_instance.reshape(1, -1))[0], 3), top3_contributions: top3_feats, shap_values: shap_values.tolist() } def generate_report(self, X_test, y_test, save_path: str): 生成批量解释报告含规则映射 results [] for i, x in enumerate(X_test): exp self.explain_single(x) # 规则映射逻辑简化版 rule_hit [] if exp[top3_contributions][0][0] max_overdue_6m and exp[top3_contributions][0][1] 0.15: rule_hit.append(逾期惯性规则) if exp[top3_contributions][1][0] repay_rate_3m and exp[top3_contributions][1][1] -0.1: rule_hit.append(还款意愿规则) results.append({ user_id: i, pred_score: exp[prediction], top3: exp[top3_contributions], rules_triggered: rule_hit }) pd.DataFrame(results).to_csv(f{save_path}/explanation_report.csv, indexFalse)注意shap.KernelExplainer虽慢但通用适合答辩演示生产环境可换TreeExplainer加速。关键在于——解释不是附加功能而是输出必选项。你交毕设时这份explanation_report.csv就是证明你“懂业务”的铁证。3. 关键实现细节从数据清洗到模型部署的六处硬核落点这一章不讲原理只列六个你实际编码时必须亲手敲、必须调参数、必须看日志的硬核落点。它们分散在全流程中但每处都决定方案能否真正跑通、能否经得起答辩拷问。3.1 时间窗口切割用pd.Grouper替代手动groupby避免周期错位违约预测的核心是“站在T时刻看T之前的数据”。常见错误是用df[df[date] 2023-06-01]切片但若数据中存在同一天多条记录或时间精度为秒级极易漏掉临界样本。本方案统一使用pd.Grouper按业务周期月/季聚合并设置closedleft确保窗口左闭右开# 正确做法按月聚合且保证“6月预测”只用5月及之前数据 bill_df[bill_date] pd.to_datetime(bill_df[bill_date]) # 构造滚动窗口对每个用户取截至当前月前1个月的所有账单 bill_df[ref_month] bill_df[bill_date].dt.to_period(M) - 1 # 按用户参考月分组避免跨月混算 windowed bill_df.groupby([user_id, ref_month]).agg({ overdue_days: [max, count], bill_amount: sum }).reset_index()玄学提示ref_month bill_date.dt.to_period(M) - 1这步看似简单却是某次线上翻车的根源——原方案用bill_date.dt.month手动减1遇到1月变0直接崩。用Period类型天然支持跨年运算这才是工业级写法。3.2 类别型变量编码Target Encoding 平滑拒绝LabelEncoder硬伤用户职业、教育程度等类别特征若用LabelEncoder会引入虚假序关系如“博士3高中1”模型误以为博士高中初中。本方案采用Target Encoding with Smoothing公式为$$ \text{smoothed_target} \frac{\text{sum}(y) \alpha \cdot \text{global_mean}}{\text{count} \alpha} $$其中α10是经验值平衡稀疏类与高频类。# category_encoder.py def target_encode_smooth(df: pd.DataFrame, col: str, target: str, alpha: int 10) - pd.Series: global_mean df[target].mean() agg df.groupby(col)[target].agg([sum, count]) smooth (agg[sum] alpha * global_mean) / (agg[count] alpha) # 映射回原df未出现的类别填global_mean return df[col].map(smooth).fillna(global_mean) # 使用示例 train_df[edu_encoded] target_encode_smooth(train_df, education, is_overdue, alpha10) test_df[edu_encoded] test_df[education].map( train_df.groupby(education)[is_overdue].apply( lambda x: (x.sum() 10 * train_df[is_overdue].mean()) / (len(x) 10) ) ).fillna(train_df[is_overdue].mean())血泪经验必须在训练集上计算平滑值再映射到测试集若在测试集上单独计算会导致数据泄露。答辩时被问“怎么防泄露”就把这行test_df[...].map(train_df.groupby...)指出来。3.3 缺失值填充业务规则优先于统计值用fillna不如用mask金融数据缺失往往有业务含义如“无还款记录”不等于“0次逾期”而是“未发生还款行为”。本方案对关键字段定义业务填充规则字段缺失含义填充策略代码示意repay_amount未还款填-1明确区别于0df[repay_amount].mask(df[repay_amount].isna(), -1)overdue_days未逾期填0符合定义df[overdue_days].fillna(0)device_id设备未知填UNKNOWN字符串占位df[device_id].fillna(UNKNOWN)# fill_missing.py def fill_missing_by_business(df: pd.DataFrame) - pd.DataFrame: df df.copy() # 用mask而非fillna保留原始NaN用于后续逻辑判断 df[repay_amount] df[repay_amount].mask(df[repay_amount].isna(), -1) df[overdue_days] df[overdue_days].fillna(0) df[device_id] df[device_id].fillna(UNKNOWN) # 关键对衍生特征缺失即无效直接drop df df.dropna(subset[max_overdue_6m, repay_rate_3m]) return df注意mask和fillna行为不同。mask(cond, val)是“满足条件才替换”fillna是“所有NaN都替换”。此处用mask是为后续可能加的if df[repay_amount] -1:逻辑留接口。3.4 模型验证策略TimeSeriesSplit 业务周期对齐拒绝随机切分违约预测是典型时序问题随机train_test_split会导致未来信息泄露。本方案采用TimeSeriesSplit但强制按业务月对齐验证集必须是连续3个月且训练集截止月必须早于验证集起始月至少1个月留出决策缓冲期。# time_series_validator.py from sklearn.model_selection import TimeSeriesSplit class BusinessAlignedTSSplit: def __init__(self, n_splits3, min_train_months6): self.n_splits n_splits self.min_train_months min_train_months def split(self, X, y, groupsNone): # 假设X有date列已转为datetime dates X[date].sort_values().unique() # 按月分组取月首日作为时间点 months pd.to_datetime(pd.Series(dates)).dt.to_period(M).unique() # 确保训练期足够长 start_idx self.min_train_months for i in range(start_idx, len(months) - 2): train_mask X[date].dt.to_period(M).isin(months[:i]) val_mask X[date].dt.to_period(M).isin(months[i:i3]) yield ( np.where(train_mask)[0], np.where(val_mask)[0] ) # 使用 tscv BusinessAlignedTSSplit(n_splits3) for train_idx, val_idx in tscv.split(X_train_full, y_train_full): X_tr, y_tr X_train_full.iloc[train_idx], y_train_full.iloc[train_idx] X_val, y_val X_train_full.iloc[val_idx], y_train_full.iloc[val_idx] model.fit(X_tr, y_tr, X_val, y_val) # 传入验证集用于早停提示months[i:i3]固定取3个月验证是因为业务方要求“模型需稳定覆盖一个季度”。答辩时说“我们按业务节奏切分”比说“用了TimeSeriesSplit”有力得多。3.5 特征重要性可视化用plot_importance不如用to_dataframe导出可编辑表格XGBoost自带plot_importance很方便但答辩PPT里需要调整字体、颜色、排序图片格式极不友好。本方案强制导出为DataFrame再用Excel美化# feature_importance_export.py def export_feature_importance(model_fusion: DualModelFusion, feature_names: list, save_path: str): imp_series model_fusion.get_feature_importance(feature_names) imp_df imp_series.reset_index(nameimportance) imp_df.columns [feature_name, importance_score] # 添加业务分类标签便于PPT分组 imp_df[category] imp_df[feature_name].apply(lambda x: 逾期行为 if overdue in x else 还款能力 if repay in x or amount in x else 稳定性 if device in x or std in x else 其他 ) imp_df.to_excel(f{save_path}/feature_importance.xlsx, indexFalse) return imp_df # 导出后你可在Excel里 # - 按category着色 # - 插入条形图选中两列→插入→条形图 # - 手动标注TOP5特征业务含义如“max_overdue_6m近6期最大逾期天数反映违约惯性”玄学答辩PPT里放一张手改过的Excel图表比10张自动生成的图更有说服力。因为老师知道——你亲手改过就代表你真懂。3.6 模型部署接口Flask轻量API 输入校验拒绝裸模型上线毕设/课设常止步于.pkl模型文件但真实场景需要API。本方案提供最小可行API含输入校验、日志记录、错误捕获# app.py from flask import Flask, request, jsonify import joblib import pandas as pd app Flask(__name__) model joblib.load(models/final_fusion_model.pkl) feature_names joblib.load(models/feature_names.pkl) app.route(/predict, methods[POST]) def predict(): try: data request.get_json() # 强校验必须包含所有特征 missing set(feature_names) - set(data.keys()) if missing: return jsonify({error: fMissing features: {list(missing)}}), 400 # 构造DataFrame保持列序 X pd.DataFrame([data])[feature_names] # 预测 pred_prob model.predict_proba(X.values)[0, 1] # 解释 explainer joblib.load(models/explainer.pkl) explanation explainer.explain_single(X.values[0]) return jsonify({ risk_score: round(pred_prob, 4), is_high_risk: pred_prob 0.5, top3_explanation: explanation[top3_contributions] }) except Exception as e: app.logger.error(fPrediction error: {str(e)}) return jsonify({error: Internal server error}), 500 if __name__ __main__: app.run(host0.0.0.0, port5000, debugFalse) # 生产关debug注意debugFalse是硬性要求。某次课设演示时忘了关老师curl请求直接返回traceback当场扣分。从那以后我每次部署前都强制走一遍ps aux | grep flask确认进程参数。4. 避坑指南违约预测项目中最容易翻车的五个点再好的方案落地时也常因几个细节翻车。以下是本方案在多次实测、答辩、模拟部署中踩过的坑按“现象→原因→解决”整理每一条都对应真实血泪教训。4.1 现象验证集AUC 0.85但测试集AUC骤降至0.62原因特征构造时用了df.sort_values(date).groupby(user_id).apply(lambda x: x.iloc[-6:])取近6期但未重置索引导致iloc[-6:]实际取的是全局索引末尾6行而非每个用户的最后6条。解决改用df.groupby(user_id).apply(lambda x: x.nlargest(6, date))或先sort_values再groupby时加sortFalse参数避免二次排序干扰索引。4.2 现象模型训练时内存爆满OOM16G RAM直接卡死原因pd.get_dummies()对高基数类别特征如device_id有50万种生成稀疏矩阵内存占用爆炸。解决禁用get_dummies改用target_encode_smooth或HashingVectorizern_features2**12或直接删除低频类别value_counts() 10的归为OTHER。4.3 现象SHAP解释结果中某个特征贡献值恒为0原因该特征在训练集中标准差为0全相同模型学不到任何区分能力SHAP自然归零。解决在特征工程后加检查X_train.std().loc[X_train.std() 0]打印出恒定特征名若业务允许直接删除若必须保留用np.random.normal(0, 1e-6, len(X))加微小噪声仅训练用。4.4 现象Flask API返回500日志显示KeyError: user_id原因前端传参用{user_id: 123, features: {...}}但代码里直接data[user_id]未做键存在性检查。解决所有字典访问必须用data.get(key, default)或提前校验if key not in data: return jsonify({error: missing key}), 400。4.5 现象答辩时老师问“这个特征重要性0.02业务上怎么解释”当场语塞原因只导出了数字重要性没准备业务注释表。解决在feature_importance.xlsx中增加第三列business_interpretation每行手写一句如repay_rate_3m→ “近3期最低还款额完成率低于60%表明还款意愿弱是风控核心指标”。提示这五条避坑点建议你复制进自己的README.md作为“已知问题与解决方案”章节。答辩时老师若问“遇到过什么困难”你就说“最大的困难是第4条API键校验我们花了两天定位现在所有接口都强制get()访问还写了单元测试覆盖缺失键场景。”5. 答辩与验收用三份文档一次演示让老师当场点头答辩不是讲技术而是证明你理解问题、控制过程、交付价值。本方案的验收不靠“模型多准”而靠三份文档一次10分钟演示。下面告诉你每份文档怎么写、演示怎么演、老师最可能问什么、你怎么答。5.1 文档一《业务需求对齐说明书》——证明你懂风控不是调参侠这不是技术文档而是给业务方答辩老师看的“翻译件”。用表格形式左列写原始业务需求右列写你的技术实现中间加一列“验证方式”。例如业务需求来自赛题描述你的技术实现如何验证已满足“需识别潜在违约用户支持人工复核”输出TOP3归因特征 触发规则标签如“逾期惯性规则”查看explanation_report.csv中高风险用户确认TOP3含业务敏感字段且规则列非空“模型需稳定避免单月波动过大”采用TimeSeriesSplit按季度验证且要求连续3个月AUC波动0.02提供validation_history.xlsx含每月AUC、KS、PSI值标出波动超限月份并说明原因“特征需可解释避免黑箱”所有特征命名含业务前缀overdue_,repay_,device_重要性表附业务注释展示feature_importance.xlsx第三列business_interpretation现场随机挑3个特征口述含义提示这份文档必须打印答辩时放在老师面前。当老师说“你这模型我看不懂”你就翻开这页手指着表格说“您看赛题要求‘支持人工复核’我们实现为TOP3归因验证方式是查这张表——我现在就打开给您看。”5.2 文档二《可复现性操作手册》——证明你能交付不是Demo玩家这是给助教/后续维护者看的。不写“安装Python”而写精确到版本、命令、路径的操作流。模板如下## 环境准备Ubuntu 22.04, Python 3.9.16 1. 创建虚拟环境python3.9 -m venv venv source venv/bin/activate 2. 安装依赖pip install -r requirements.txt已锁定版本pandas1.5.3, xgboost1.7.5, ... 3. 数据准备将 data/raw/ 下4个CSV文件放入指定路径**注意文件名必须全小写无空格** ## 一键运行全程无需修改代码 1. 数据清洗python src/data_loader.py --input_dir data/raw --output_dir data/cleaned 2. 特征工程python src/feature_engineer.py --input_dir data/cleaned --output_dir data/features 3. 模型训练python src/train.py --feature_dir data/features --model_dir models 4. 生成报告python src/explainability.py --model_dir models --output_dir reports ## 验证成功标志 - data/cleaned/user_info_cleaned.csv 行数 原始文件行数无丢数 - models/final_fusion_model.pkl 文件大小 5MB模型已保存 - reports/explanation_report.csv 中 pred_score 列值域为 [0.0, 1.0]注意requirements.txt必须用pip freeze requirements.txt生成且删掉pkg-resources0.0.0等无关项。某次毕设因torch版本冲突助教配环境失败直接延毕。从那以后我每次提交都先在干净Docker里docker run -it python:3.9 bash重装一遍验证。5.3 文档三《答辩问答预演清单》——把老师可能问的12个问题答案写进PPT备注不要等老师问主动在PPT备注页写好答案。以下是高频问题及应答要点非背诵是思路问题应答要点PPT备注页写为什么有效“为什么不用深度学习”“深度学习需更大样本本赛题数据量仅10万XGBoost在小数据上更稳且DL难解释无法满足‘TOP3归因’业务要求。”把缺点转化为业务适配不贬低技术“特征重要性最高的‘max_overdue_6m’如果用户是新客怎么办”“新客该特征为空我们按业务规则本文还有配套的精品资源点击获取
