感谢bryan的baselien：https://blog.csdn.net/bryan__/article/details/79623239  
感谢郭大佬的周冠军分享：https://mp.weixin.qq.com/s/Ppw5NICbRs8wJj1ncSdbFw  
感谢葛大佬的周冠军分享：https://mp.weixin.qq.com/s/SVSCbS_df3VW74fcESK3TQ  
感谢yesofcourse的开源：https://github.com/HouJP/kaggle-quora-question-pairs
感谢大队长第一届比赛的开源：https://github.com/freelzy/Tencent_Social_Ads
感谢不知道叫啥名的大佬的平滑代码：https://tianchi.aliyun.com/forum/new_articleDetail.htmlspm=5176.8366600.0.0.2f09311f6RzIy8&raceId=231647&postsId=4844
主要就是在bryan的baseline上加了几个特征，由于运算资源消耗太大，被公司的小哥哥警告再这样下去直接限制我的资源（本身服务器也一般），加上自己在实习，没有时间和精力做比赛，所以开源。    

特征方面方面加了三个统计特征，两个是郭大佬分享的，一个是大队长第一届社交广告大赛里的。  

讲一下代码里的nlp_feature_score函数，这个特征是借鉴yesofcourse kaggle quora解决方案生成特征的函数，针对appIdAction这类特征，原理通过一个例子讲解，例如训练集有两个样本appIdAction_1 = “222 333 444 555 ”  label = 1,appIdAction_2 = “111 333 555 ”  label = 0, 统计特征被split(" ")之后，每个取值的转化率，这块用到贝叶斯平滑，最后appIdAction_1这个样本的特征取值就是连乘(1-p(222))(1-p(333))(1-p(444))(1-p(555)), 第二个样本同理，测试集此特征取值由训练集构造，然后缺失值的样本赋值为-1.0。我只试验了“appIdAction”这个特征，是可以提分的，后面的同类特征也可以逐步加入试验。

一些想法：appIdAction这类特征，直接count是按照空格切分的，可以做下n-gram补充一下这维特征。剩下的就是一些统计的转化率特征和一下交叉统计的特征以及转化率特征。

目前线上成绩0.745809(没加appIdAction_score,加上应该能到0.747左右)

祝大家努力取得好成绩！