本项目为2021年软件服务外包大赛《航空旅客付费选座意愿识别》赛题，该赛题要求从650个特征因子中，提取或衍生出能够描述旅客付费选座意愿的特征因子集合；并利用特征因子集合的成果，构建旅客付费选座意愿识别模型。

由于题目给定的特征非常多，我们采用PNN(Product-based-Neural-Network)深度学习模型对特征工程进行模型化。模型原始论文在项目目录data下。该模型的Embedding层能够对类别型特征组成的稀疏矩阵转换为大量稠密矩阵，提高模型收敛速率，同时Product层能够将特征域的Embedding后的向量进行两两交叉，充分挖掘组合特征，获取特征之间的交叉信息。

运行以下命令安装环境依赖：

pip install -r requirements.txt

数据集直接采用的赛方给定的旅客付费选座数据集，放在项目目录中的 data文件夹下。

项目在对模型进行训练前会先将数据转换为以下格式：

• Xi: [[ind1_1, ind1_2, ...], [ind2_1, ind2_2, ...], ..., [indi_1, indi_2, ..., indi_j, ...], ...]
  • indi_j 是数据集中样本 i 的特征域 j 的特征索引
• Xv: [[val1_1, val1_2, ...], [val2_1, val2_2, ...], ..., [vali_1, vali_2, ..., vali_j, ...], ...]
  • vali_j 是数据集中样本 i 的特征域 j 的特征数值
  • vali_j 可以是二值型（1/0，用于二值/类别型特征）或浮点数（例如，10.24，用于数值特征）
• y: 数据集中每个样本的预测目标（1/0用于分类，数值用于回归）

请参阅data_reader.py查看如何将数据转换为项目所需格式。

我本地训练好的模型（包括用于K-fold交叉验证的模型和最终训练的模型）都已经保存在项目的model目录下，可直接进行测试。

-data ------------------- 存放数据

-model ------------------- 存放相关模型（包括用于K-fold交叉验证的模型和最终训练的模型）

-prediction ------------------- 存放对有付费选座意愿旅客的预测结果

-config.py ------------------- 存储模型的超参数，包括架构超参数、训练超参数等

-data_reader.py ------------------- 数据的读取和预处理的实现

-data_utils.py ------------------- 对输入数据格式进行转换的实现（处理各特征域得到 Xi和 Xv）

-k_fold_cross_valid.py ------------------- 在训练集和验证集上进行K-fold交叉验证逻辑的实现

-main.py ------------------- 主文件，用于从构建特征工程到模型的训练与评估的pipline

-pnn.py ------------------- PNN模型架构的实现

-predict.py ------------------- 调用训练好的PNN模型对有付费选座意愿的旅客进行预测

运行:

python main.py --model retrain

model参数表示是否重新开始训练PNN模型，若需重新训练模型可将 model 参数设置为 retrain ，否则设置为 load直接加载已经训练并保存好的模型（但前提是模型已经放置于 model目录下）。