数据 本赛题提供用户在2016年1月1日至2016年6月30日之间真实线上线下消费行为，预测用户在2016年7月领取优惠券后15天以内的使用情况。 注意： 为了保护用户和商家的隐私，所有数据均作匿名处理，同时采用了有偏采样和必要过滤。
评价方式 本赛题目标是预测投放的优惠券是否核销。针对此任务及一些相关背景知识，使用优惠券核销预测的平均AUC（ROC曲线下面积）作为评价标准。 即对每个优惠券coupon_id单独计算核销预测的AUC值，再对所有优惠券的AUC值求平均作为最终的评价标准。 关于AUC的含义与具体计算方法，可参考维基百科
解题思路来源：https://github.com/wepe/O2O-Coupon-Usage-Forecast
笔者这里进行了总结归纳
DATA/data_origin是原始数据
DATA/data_preprocessed是预处理过的数据
code/ofoFeature.ipynb提取特征即由 data_origin产生data_preprocessed
code/Xgboost.ipynb模型训练
更多解析请看笔者的博客：https://blog.csdn.net/weixin_42001089/article/details/85013073?spm=5176.12282029.0.0.1738311fQ5fMqg