项目简述：基于 Funplus 几款游戏内的玩家行为数据，对玩家做时间序列方面的预测(时间 颗粒度：按天)，主要包括流失预测和付费预测两大类，具体如下： 1. 流失预测：包括用户流失预测和用户活跃度预测模型 核心部分：主要是对数据进行预处理和特征工程，其中主要是利用滑窗的思想对时间序列数 据进行特征画像(核心时间窗口：候选窗口，历史窗口，观察窗口),训练目标是未来几天用户 是否流失；模型方面选择的是 LGBM 算法框架和 Bi-lstm 模型； 2. 付费预测：包括用户付费概率预测和大 R 预测模型 核心部分：数据处理基本和上面一致，特征工程部分滑窗的思想保留，这里的特征工程画像 主要是围绕着付费进行设计和处理的，包括利用 RMF 模型处理特征等，训练目标是玩家未 来几天是否付费；模型方面依然选择的是 LGBM 算法框架和 Bi-lstm 模型，这里模型在训练 的时候根据用户的生命周期 LV 进行了细化训练；
3. 模型训练管理和线上部署：这里模型训练过程中使用 mlflow 框架对模型训练进行管理和 可视化，主要是能保留和跟踪每一次模型训练的结果和过程；线上部署，因为是任务调度型 的，主要就是写调度流程和并行处理的框架，支持多项目配置，自动获取项目任务等，利用 supervior 保证程序 24 小时稳定运行。