大纲：
赛题描述==》定位机器学习问题
数据分析==》特征选择==》算法选择==》参数优化
先分类，后回归，最后将每个回归模型用不同的算法进行模型融合。
流程：
熟悉数据：
前105个特征是关于游戏属性，后三个特征分别是平均在线时长，7日付费金额，7日付费次数，需要预测的是45日付费金额。
筛选特征：
分类标准：
四个特征值，一个预测值。分类，采用逻辑回归，回归预测采用DNN。
总结：
1.关于非均衡数据的处理方法，解决方法：欠采样、过采样、代价函数权值。若存在极度偏斜的数据时，就如同99：1，那么就可以归并为异常检测。
2.算法的选择及优化所带来的成绩提升是有限的（5~10分之间），而正真影响到成绩的层次是特征的选择及处理，就是所谓的特征工程。当然我这场比赛打下来，80%的时间是在做特征工程。