ATEC蚂蚁开发者大赛-支付风险识别-Rank7

赛题描述

赛题的目的是根据历史交易数据识别当前交易是否为欺诈交易。举办方给出由一段时间内有正负标签样本的支付行为样本和没有标签的支付行为样本组成的训练数据集和一段时间后的某个时间范围内的支付行为样本构成的测试数据集，希望选手们通过机器学习算法和对无标签数据的挖掘在训练集上训练出性能稳定时效性好的模型，能够在测试集上对交易的风险进行精准判断。

赛题主页：https://dc.cloud.alipay.com/index#/topic/intro?id=4&from=alipay

数据编码

代码：cbc/preprocess/label_encoder.sql

功能：将 string 型特征编码为 int 型

同类里统一编码的字段：

用户ID字段：

user_id, opposing_id

省份字段：

ip_prov, cert_prov, card_bin_prov, card_mobile_prov, card_cert_prov, province

城市字段：

ip_city, cert_city, card_bin_city, card_mobile_city, card_cert_city, city

证件号字段：

card_cert_no, income_card_cert_no

其余字段单独编码

特征工程

提取时间特征

代码：cbc/preprocess/time_field_process.sql

功能：对 gmt_occur 进行分割处理，分离出来 ocu_date 和 ocu_hr，另外增加了 year, month, day 等特征。

付款方的众数特征 （历史时间）

代码：cbc/feature_engineering/user_id_is_mode_feature_cbc.sql

表名：user_id_is_mode_feature_cbc

特征名	特征描述
ip_is_most	当前 client_ip 是否为 user_id 的众数
network_is_most	当前 network 是否为 user_id 的众数
device_sign_is_most	当前 device_sign 是否为 user_id 的众数
ip_prov_is_most	当前 ip_prov 是否为 user_id 的众数
ip_city_is_most	当前 ip_city 是否为 user_id 的众数
user_id_cert_prov_is_mode	当前 cert_prov 是否为 user_id 的众数
user_id_cert_city_is_mode	当前 cert_city 是否为 user_id 的众数
user_id_card_mobile_prov_is_mode	当前 card_mobile_prov 是否为 user_id 的众数
user_id_card_mobile_city_is_mode	当前 card_mobile_city 是否为 user_id 的众数
user_id_card_cert_prov_is_mode	当前 card_cert_prov 是否为 user_id 的众数
user_id_card_cert_city_is_mode	当前 card_cert_city 是否为 user_id 的众数
mobile_oper_platform_is_most	当前 mobile_oper_platform 是否为 user_id 的众数
operation_channel_is_most	当前 operation_channel 是否为 user_id 的众数
pay_scene_is_most	当前 pay_scene 是否为 user_id 的众数
user_id_card_cert_no_is_mode	当前 card_cert_no 是否为 user_id 的众数
user_id_opposing_id_is_mode	当前 opposing_id 是否为 user_id 的众数
user_id_ver_is_mode	当前 ver 是否为 user_id 的众数

user_id在各字段下不同值的个数特征（历史时间)

代码：cbc/feature_engineering/dist_cnt_feature/user_id_dist_cnt_feature.sql

表名：user_id_dist_cnt_feature_cbc

特征名	特征描述
user_id_client_ip_dist_cnt	user_id 不同的 ip 数目
user_id_network_dist_cnt	user_id 不同的 network 数目
user_id_device_sign_dist_cnt	user_id 不同的 device_sign 数目
user_id_ip_prov_dist_cnt	user_id 不同的ip省数目
user_id_ip_city_dist_cnt	user_id 不同的ip市数目
user_id_cert_prov_dist_cnt	user_id 不同的证件省数目
user_id_cert_city_dist_cnt	user_id 不同的证件市数目
user_id_card_mobile_prov_dist_cnt	user_id 不同的手机账号省数目
user_id_card_mobile_city_dist_cnt	user_id 不同的手机账户市数目
user_id_card_cert_prov_dist_cnt	user_id 不同的银行卡省数目
user_id_card_cert_city_dist_cnt	user_id 不同的银行卡市数目
user_id_mobile_oper_platform_dist_cnt	user_id 不同的操作平台数目
user_id_operation_channel_dist_cnt	user_id 不同的支付方式数目
user_id_pay_scene_dist_cnt	user_id 不同的支付场景数目
user_id_card_cert_no_dist_cnt	user_id 不同的证件号数目
user_id_opposing_id_dist_cnt	user_id 不同的 opposing_id 数目
user_id_ver_dist_cnt	user_id 不同的版本数目

opposing_id 在各字段下不同值的个数特征（历史时间)

代码：cbc/feature_engineering/dist_cnt_feature/opposing_id_dist_cnt_feature.sql

表名：opposing_id_dist_cnt_feature_cbc

特征名	特征描述
opposing_id_user_id_dist_cnt	opposing_id 不同的 user_id 数目
opposing_id_client_ip_dist_cnt	opposing_id 不同的 ip 数目
opposing_id_network_dist_cnt	opposing_id 不同的 network 数目
opposing_id_device_sign_dist_cnt	opposing_id 不同的 device_sign 数目
opposing_id_ip_prov_dist_cnt	opposing_id 不同的ip省数目
opposing_id_ip_city_dist_cnt	opposing_id 不同的ip市数目
opposing_id_cert_prov_dist_cnt	opposing_id 不同的证件省数目
opposing_id_cert_city_dist_cnt	opposing_id 不同的证件市数目
opposing_id_card_mobile_prov_dist_cnt	opposing_id 不同的手机账号省数目
opposing_id_card_mobile_city_dist_cnt	opposing_id 不同的手机账户市数目
opposing_id_card_cert_prov_dist_cnt	opposing_id 不同的银行卡省数目
opposing_id_card_cert_city_dist_cnt	opposing_id 不同的银行卡市数目
opposing_id_mobile_oper_platform_dist_cnt	opposing_id 不同的操作平台数目
opposing_id_operation_channel_dist_cnt	opposing_id 不同的支付方式数目
opposing_id_pay_scene_dist_cnt	opposing_id 不同的支付场景数目
opposing_id_card_cert_no_dist_cnt	opposing_id 不同的证件号数目
opposing_id_ver_dist_cnt	opposing_id 不同的版本数目

client_ip 在各字段下不同值的个数特征（历史时间)

代码：cbc/feature_engineering/dist_cnt_feature/client_ip_dist_cnt_feature.sql

表名：client_ip_dist_cnt_feature_cbc

特征名	特征描述
client_ip_user_id_dist_cnt	client_ip 不同的 user_id 数目
client_ip_network_dist_cnt	client_ip 不同的 network 数目
client_ip_device_sign_dist_cnt	client_ip 不同的 device_sign 数目
client_ip_cert_prov_dist_cnt	client_ip 不同的证件省数目
client_ip_cert_city_dist_cnt	client_ip 不同的证件市数目
client_ip_card_mobile_prov_dist_cnt	client_ip 不同的手机账号省数目
client_ip_card_mobile_city_dist_cnt	client_ip 不同的手机账户市数目
client_ip_card_cert_prov_dist_cnt	client_ip 不同的银行卡省数目
client_ip_card_cert_city_dist_cnt	client_ip 不同的银行卡市数目
client_ip_mobile_oper_platform_dist_cnt	client_ip 不同的操作平台数目
client_ip_operation_channel_dist_cnt	client_ip 不同的支付方式数目
client_ip_pay_scene_dist_cnt	client_ip 不同的支付场景数目
client_ip_card_cert_no_dist_cnt	client_ip 不同的证件号数目
client_ip_opposing_id_dist_cnt	client_ip 不同的 opposing_id 数目
client_ip_ver_dist_cnt	client_ip 不同的版本数目

付款方当前小时的交易金额特征

代码：cbc/feature_engineering/payer_amt_1hr_feature.sql

表名： payer_amt_1hr_feature

特征名	特征描述
payer_amt_avg_1hr	付款方一小时内平均金额
payer_amt_max_1hr	付款方一小时内最大金额
payer_amt_min_1hr	付款方一小时内最小金额
amt_subtract_avg_1hr	付款方当前金额减一小时平均
amt_subtract_max_1hr	付款方当前金额减一小时最大
amt_subtract_min_1hr	付款方当前金额减一小时最小

收款方的历史交易金额特征

代码：cbc/feature_engineering/payee_amt_feature_cbc.sql

表名：payee_amt_feature_cbc

特征名	特征描述
payee_amt_avg	收款方历史时间收款平均值
payee_amt_max	收款方历史时间收款最大值
payee_amt_min	收款方历史时间收款最小值
payee_amt_minus_avg	收款方金额减平均值
payee_amt_minus_max	收款方金额减最大值
payee_amt_minus_min	收款方金额减最小值

频次特征

代码：qyk/all_data_process.sql

表名：atec_all_data_feature_10

特征名	特征描述
freq_deal_sum	过去所有历史交易的频次特征
freq_deal_1day	当前一天截止当笔交易的频次特征
freq_deal_1hr	当前一小时交易的频次特征

补充频次特征

代码：cbc/feature_engineering/feature_cnt_cbc.sql

表名为 extra_cnt_featurce_cbc

特征名	特征描述
payee_1hr_get_cnt	收款方一小时内收款次数
ip_1hr_cnt	ip一小时内出现的次数
ip_appear_cnt	此次交易的ip在之前出现的次数

二补频次特征

代码：cbc/feature_engineering/cnt_feature_pack_2_cbc.sql

表名：cnt_feature_pack_2_cbc

特征名	特征描述
payee_get_cnt	收款方的历史收款总次数
ip_1day_cnt	ip当天内出现的次数（此交易前）
payee_1day_get_cnt	收款方当天内收款次数（此交易前）
peer_pay_cnt	历史时间里代付的次数
peer_pay_1day_cnt	当天里代付的次数（此交易前）
peer_pay_1hr_cnt	一小时内代付的次数
device_sign_1hr_cnt	设备ID一小时内出现的次数
device_sign_1day_cnt	设备ID当天内出现的次数（此交易前）
device_sign_cnt	设备ID历史出现的次数
cert_no_1hr_cnt	付款方证件号一小时内出现的次数
cert_no_1day_cnt	付款方证件号当天内出现的次数（此交易前）
cert_no_cnt	付款方证件号历史出现的次数

前一天的频次特征

代码：cbc/feature_engineering/lastday_cnt_feature.sql

表名：lastday_cnt_feature_cbc

特征名	特征描述
user_id_cnt_lastday	前一天 user_id 出现的频次
opposing_id_cnt_lastday	前一天 opposing_id 出现的频次
client_ip_cnt_lastday	前一天 client_ip 出现的频次
device_sign_cnt_lastday	前一天 device_sign 出现的频次
card_cert_no_cnt_lastday	前一天 card_cert_no 出现的频次

历史曾出现的最近一天里的频次特征

代码：qyk/cal_avg_feature.sql

表名：atec_all_data_feature_61

特征名	特征描述
lag1_freq_deal_sum1day	交易频次特征（历史曾出现的最近一天）
opposing_id_num_lag1day	opposing_id出现的频次（历史曾出现的最近一天）
client_ip_num_lag1day	client_ip出现的频次（历史曾出现的最近一天）
device_sign_num_lag1day	device_sign出现的频次（历史曾出现的最近一天）
card_cert_no_num_lag1day	card_cert_no出现的频次（历史曾出现的最近一天）

历史所有天里的天平均频次

代码：qyk/cal_real_avg.sql

表名：atec_all_data_feature_82

特征名	特征描述
opposing_id_lag1day_avg_real	opposing_id前一天及之前平均频次
client_ip_lag1day_avg_real	client_ip前一天及之前平均频次
device_sign_lag1day_avg_real	device_sign前一天及之前平均频次
user_id_lag1day_avg_real	付款方前一天及之前平均频次

历史所有小时里的小时平均频次

代码：qyk/cal_real_avg.sql

表名：atec_all_data_feature_92

特征名	特征描述
user_id_freq_deal_1hr_avg_real	user_id小时及之前平均小时频次
opposing_id_freq_deal_1hr_avg_real	opposing_id小时及之前平均小时频次
client_ip_freq_deal_1hr_avg_real	client_ip小时及之前平均小时频次
device_sign_freq_deal_1hr_avg_real	device_sign小时及之前平均小时频次

历史所有相同时钟下的时钟平均频次

代码：cbc/feature_engineering/avg_clock_cnt_feature.sql

表名：avg_cnt_clock_cbc

特征名	特征描述
uid_cnt_clock_avg	付款方历史所有相同时钟下的平均频次
opid_cnt_clock_avg	收款方历史所有相同时钟下的平均频次
ip_cnt_clock_avg	ip 历史所有相同时钟下的平均频次
device_cnt_clock_avg	设备 ID 历史所有相同时钟下的平均频次
uid_avg_cnt_clock_subtract	付款方历史所有相同时钟下的平均频次减当前小时频次
opid_avg_cnt_clock_subtract	收款方历史所有相同时钟下的平均频次减当前小时频次
ip_avg_cnt_clock_subtract	ip 历史所有相同时钟下的平均频次减当前小时频次
device_avg_cnt_clock_subtract	设备id 历史所有相同时钟下的平均频次减当前小时频次

历史所有相同星期下的星期平均频次

代码：qyk/statistics_feature.sql

表名：atec_all_data_feature_110

特征名	特征描述
freq_deal_weekday_avg	付款方历史所有相同星期下的平均频次
freq_opposing_id_weekday_avg	收款方历史所有相同星期下的平均频次
freq_client_ip_weekday_avg	client_ip历史所有相同星期下的平均频次
freq_device_sign_weekday_avg	device_sign历史所有相同星期下的平均频次

上一天及之前曾出现的天里的平均频次特征

代码：qyk/cal_avg_feature.sql

表名：atec_all_data_feature_42

特征名	特征描述
opposing_id_num_lag1day_avg	上一天及之前的 opposing_id 天频次平均
client_ip_num_lag1day_avg	上一天及之前的 client_ip 天频次平均
device_sign_num_lag1day_avg	上一天及之前的 device_sign 天频次平均

历史曾出现的小时里的平均频次特征

代码：qyk/cal_avg_feature.sql

表名：atec_all_data_feature_52

特征名	特征描述
opposing_id_num_1hr_avg	本小时及之前 opposing_id 出现的小时频次平均
client_ip_num_1hr_avg	本小时及之前的 client_ip 出现的小时频次平均
device_sign_num_1hr_avg	本小时及之前的 device_sign 出现的小时频次平均

上一次交易特征

代码：qyk/train_data_process.sql, qyk/test_data_process.sql

特征名	特征含义及描述
prev1amt	上一次交易消费金额（训练集）
prev1client_ip	上一次交易用户IP
prev1network	上一次交易网络类型
prev1device_sign	上一次设备ID
prev1mobile_plat	上一次交易手机平台
prev1oper_channel	上一次交易支付方式
prev1pay_scene	上一次交易支付场景
is_ip_the_same	本次交易和上次交易IP是否相同
is_network_same	本次和上次网络类型是否相同
is_device_sign_same	本次和上次设备ID是否相同
is_mobile_plat_same	手机平台是否相同
is_oper_channel_same	支付方式是否项目
is_pay_scene_same	支付场景是否相同

上一天金额特征

代码：qyk/train_data_process.sql, qyk/lastday_amt_feature_test.sql

表名：atec_train_data_feature_4, atec_test_data_feature_4

特征名	特征含义及描述
lastday_amt_sum	上一天天消费总额
lastday_amt_avg	上一天交易金额平均
lastday_amt_max	lastday交易金额最大
lastday_amt_min	lastday交易金额最小

过去三天金额的特征

代码：qyk/train_data_process.sql, last3day_amt_feature.sql

表名：atec_train_data_feature_5, atec_test_data_feature_5

特征名	特征含义及描述
lastThreeday_amt_sum	lastThreeday交易金额之和
lastThreeday_amt_avg	lastThreeday交易金额平均
lastThreeday_amt_max	lastThreeday交易金额最大
lastThreeday_amt_min	lastThreeday交易金额最小

所有历史金额的特征

代码：qyk/all_data_process.sql

表名：atec_all_data_feature_1

特征名	特征含义及描述
amt_avg	历史交易金额平均（此交易前）
amt_max	历史交易金额最大（此交易前）
amt_min	历史交易金额最小（此交易前）

历史交易金额和当次消费相减的特征

代码：qyk/all_data_process.sql

表名：atec_all_data_feature_6

特征名	特征含义及描述
amt_subtract_avg	当前金额减去历史交易平均
amt_subtract_max	当前金额减去历史金额最大
amt_substact_min	当前金额减去历史金额最小

支付账户的收款特征

代码： qyk/all_data_process.sql

表名：atec_all_data_feature_5

特征名	特征含义及描述
receive_num	该支付账户本次交易前收款次数
receive_amt_avg	该支付账户本次交易前收款平均额度
receive_amt_max	该支付账户本次交易前收款最大额度

基于星期属性的特征

代码：qyk/all_data_process.sql

表名：atec_all_data_feature_11

特征名	特征描述
amt_deal_weekday_avg	截止当前交易周中的第几天累计历史交易平均额度
freq_deal_weekday	截止当前交易周中的第几天累计历史交易频次

峰度偏度及其他一些统计量

交易金额相关统计量

代码：qyk/calculate_skewness_kurtosis.sql

表名：atec_all_data_feature_14

特征名	特征描述
stdv_amt	历史交易金额标准差
skewness_amt	历史交易金额的偏度
kurtosis_amt	历史交易金额的峰度

一小时频次的偏度和峰度

代码：qyk/calculate_skewness_kurtosis.sql

表名：atec_all_data_feature_24

特征名	特征描述
stdv_freq_deal_1hr	这一小时及之前的小时交易频次标准差
avg_freq_deal_1hr	这一小时及之前的小时交易频次均值
skewness_freq_1hr	这一小时及之前的小时交易频次偏度
kurtosis_freq_1hr	这一小时及之前的小时交易频次峰度

一天频次的偏度和峰度

代码：qyk/calculate_skewness_kurtosis.sql

表名：atec_all_data_feature_22

特征名	特征描述
stdv_lag1_freq_deal_sum1day	上一天之前的交易频次平方差
avg_lag1_freq_deal_sum1day	上一天之前的交易频次平均
skewness_freq_sum1day	上一天之前的交易频次偏度
kurtosis_freq_sum1day	上一天之前的交易频次峰度

user_id 在各字段下不同值的个数特征（一小时内）

代码：cbc/feature_engineering/dist_cnt_feature/dist_cnt_1hr_feature.sql

表名：uid_dist_cnt_1hr

特征名	特征描述
uid_ip_dist_cnt_1hr	付款方不同的ip数目
uid_network_dist_cnt_1hr	付款方不同的网络类型数目
uid_device_sign_dist_cnt_1hr	付款方不同的设备id数目
uid_ip_prov_dist_cnt_1hr	付款方不同的ip省数目
uid_card_mobile_prov_dist_cnt_1hr	付款方不同的支付账户省数目
uid_mobile_oper_platform_dist_cnt_1hr	付款方不同的操作平台数目
uid_operation_channel_dist_cnt_1hr	付款方不同的支付方式数目
uid_pay_scene_dist_cnt_1hr	付款方不同的支付场景数目
uid_card_cert_no_dist_cnt_1hr	付款方不同的付款人证件号数目
uid_ver_dist_cnt_1hr	付款方不同的版本数目
uid_oppoid_dist_cnt_1hr	付款方不同的收款人数目

opposing_id 在各字段下不同值的个数特征（一小时内）

代码：cbc/feature_engineering/dist_cnt_feature/dist_cnt_1hr_feature.sql

表名：oppoid_dist_cnt_1hr

特征名	特征描述
oppoid_uid_dist_cnt_1hr	收款方不同的付款人数目
oppoid_ip_dist_cnt_1hr	收款方不同的ip数目
oppoid_network_dist_cnt_1hr	收款方不同的网络类型数目
oppoid_device_sign_dist_cnt_1hr	收款方不同的设备id数目
oppoid_ip_prov_dist_cnt_1hr	收款方不同的ip省数目
oppoid_card_mobile_prov_dist_cnt_1hr	收款方不同的支付账户省数目
oppoid_mobile_oper_platform_dist_cnt_1hr	收款方不同的操作平台数目
oppoid_operation_channel_dist_cnt_1hr	收款方不同的支付方式数目
oppoid_pay_scene_dist_cnt_1hr	收款方不同的支付场景数目
oppoid_card_cert_no_dist_cnt_1hr	收款方不同的付款人证件号数目
oppoid_ver_dist_cnt_1hr	收款方不同的版本数目

client_ip 在各字段下不同值的个数特征（一小时内）

代码：cbc/feature_engineering/dist_cnt_feature/dist_cnt_1hr_feature.sql

表名：ip_dist_cnt_1hr

特征名	特征描述
ip_uid_dist_cnt_1hr	当前ip不同的付款人数目
ip_network_dist_cnt_1hr	当前ip不同的网络类型数目
ip_device_dist_cnt_1hr	当前ip不同的设备id数目
ip_cert_prov_dist_cnt_1hr	当前ip不同的证件省数目
ip_mobile_prov_dist_cnt_1hr	当前ip不同的手机省数目
ip_plat_dist_cnt_1hr	当前ip不同的操作平台数目
ip_channel_dist_cnt_1hr	当前ip不同的支付方式数目
ip_pay_scene_dist_cnt_1hr	当前ip不同的支付场景数目
ip_cert_no_dist_cnt_1hr	当前ip不同的证件号数目
ip_opposing_id_dist_cnt_1hr	当前ip不同的收款人数目
ip_ver_dist_cnt_1hr	当前ip不用的版本号数目

时间循环特征

代码：qyk/calculate_skewness_kurtosis.sql

表名： atec_all_data_feature_25

特征名	特征描述
hour_circu	小时循环特征
weekday_circu	星期循环特征

过去几次消费的特征

代码：qyk/calculate_skewness_kurtosis.sql

表名：atec_all_data_feature_26

特征名	特征描述
prev5_amt_max	过去5笔交易金额的最大值
prev5_amt_avg	过去5笔交易金额的平均值
prev7_amt_max	过去7笔交易金额的最大值
prev7_amt_avg	过去7笔交易金额的平均值
prev10_amt_max	过去10笔交易金额的最大值
prev10_amt_avg	过去10笔交易金额的平均值

消费时间间隔特征

代码：qyk/calculate_skewness_kurtosis.sql

表名：atec_all_data_feature_28

特征名	特征描述
time_interval1	本次交易和上次交易的时间间隔

消费金额连续相同次数

代码：qyk/cal_avg_feature.sql

表名：atec_all_data_feature_53

特征名	特征描述
same_amt_num	消费金额连续相同次数

地区相等特征

代码: cbc/feature_engineering/added_feature_cbc_0803.sql

表名：feature_0803_cbc

特征名	特征描述
uid_opid_cnt_1hr	user_id 与 opposing_id 一小时内的交易次数
uid_opid_cnt_1day_pre	付款方与收款方上一天里的交易次数
uid_opid_cnt_all	付款方与收款方历史交易总次数
ip_prov_equal_cert_prov	ip省是否等于证件省
ip_prov_equal_mobile_prov	ip省是否等于手机账号省
ip_prov_equal_card_prov	ip省是否等于银行卡省
ip_city_equal_cert_city	ip市是否等于证件市
ip_city_equal_mobile_city	ip市是否等于手机账号市
ip_city_equal_card_city	ip市是否等于银行卡市

对应字段在user_id下的比例特征

代码：qyk/ratio_feature.sql

表名：atec_all_data_feature_145

特征名	特征描述
ip_ratio	当前client_ip使用比例
network_ratio	当前network使用比例
device_sign_ratio	当前 device_sign 使用比例
ip_prov_ratio	当前 ip_prov 使用比例
ip_city_ratio	当前 ip_city 使用比例
card_mobile_prov_ratio	当前 card_mobile_prov 使用比例
mobile_oper_platform_ratio	当前 mobile_oper_platform 使用比例
operation_channel_ratio	当前 operation_channel 使用比例
pay_scene_ratio	当前 pay_scene 使用比例
card_cert_no_ratio	当前 card_cert_no 使用比例
ver_ratio	当前 version 使用比例
opposing_id_ratio	当前 opposing_id 比例

节假日特征

代码：qyk/date_feature.sql

表名：atec_all_data_feature_201

特征名	特征描述
month_end_day	月末最后两天
is_holiday	是否为节假日
holiday_series	节假日序列特征