初賽到決賽

這場 SAS 校園黑客松 原本有超過 100 組報名，最後只取 50 組進複賽。
本來也沒有抱太多的期待，只是暑假無聊想報個比賽避免自己太廢，結果進複賽了？？？

接著更緊張的是，50 組只有 10 組進決賽，評分標準是模型預測的精準度。
我們把自己會的功能都用上，然後又進了？？

那時候只覺得「要確定欸？？」 。

比賽題目：客戶流失預測 (Churn Prediction)

題目情境是：
電信公司要舉辦一場娛樂活動，想邀請那些「最有可能流失」的客戶，來降低退訂率、提高忠誠度。

我們要做的，就是用歷史數據建立 客戶流失預測模型，挑出最有可能離開的客戶名單。
這裡的重點有兩個：

1. 模型準確率一定要高

   • 初賽到複賽，最關鍵就是誰能抓準「誰會流失」。
   • 用最低的成本，得到最大的效益。
   • 我們最後選用 LightGBM，在大規模數據下表現穩定，AUC 來到 0.706:contentReference[oaicite:1]{index=1}。

2. 決賽更看重「模型解釋」與「創新應用」

   • 不只是要準，還要能清楚說明自己選擇模型的理由，以及參數的調整。
   • 例如用 特徵重要度、SHAP 解釋，要清楚說明為什麼要這麼做。
   • 同時要提出創新應用方案，例如「精準邀請取代大灑網」，把資源放在前 5%～10% 的高風險名單。
   • 也要清楚地說明你想用在什麼地方，要給誰用，要如何讓他們使用，這是決賽很重視的部分。

我認為進決賽的關鍵

比賽中，隊友突然說：

「我覺得我們花太多錢了！」

我回了一句：

「那我們不要邀這麼多人好了 XD」

然後排名就提升了？？
cutoff好像很重要？
偶爾要節流一下

心得

能從 120組 擠到前 10，對我來說真的很意外。
這次真的是很特別的經驗，能進決賽已經很心滿意足了！
最後在這裡感謝我的組員大大的carry我，沒有他們我不可能進到決賽，愛妳們喔！！
也感謝生成式AI(扣回這次鐵人賽的大主題)，像在預賽時的簡報，要寫分析計畫，對於完全沒用過SAS的人來說是非常有挑戰性的，我們利用的ChatGPT以及Gemini來回挑戰對方，做出分數最高的一份報告出來。
接著在複賽時，因為很少使用SAS，對於他裡面的功能沒有太多的了解，我就建立了一個自己的GPT，利用一整份SAS的教學手冊來訓練，也實際用到了比賽，並且讓我們順利進入決賽！！

最後最後想跟大家說有時候不要低估自己，抱著試試的心態去嘗試，搞不好會有意想不到的結果。