代码共分成4块：

1：数据预处理

	该模块主要是使用Hadoop以及Hive平台进行数据的统计；其中涉及到的特征合并脚本采用的是Python编写；数据导出使用的shell脚本；

	train.sql
	test.sql
	submit.sql
	这三个文件用于统计特征，为了方便，这里复制成三个，除了数据统计的时间不一样，内容是一致的（submit缺少target)
	要求：必须要使用以下的模式
	drop table if exists ...
	create table ...

	combine2sql.py
	安装python 依赖：
	regex: pip install regex

	将train.sql中的特征组合起来，得到一个大表的sql语句,保存到combine_features.sql文件中;

	sample.sql
	根据统计结果，对0 和 1的数据按照比例采样，此处采用1:10采样。（样本为1万多，需要修改说明文档）

	export_to_csv.sh
	shell脚本导出采样数据


注：SQL按照SQL的格式要求之后，可以直接在hive client中source file.sql 就可以执行相应的SQL语句;

2：模型训练

	xgboost.R
	h2orf.R

	采用的R语言进行模型的训练
	xgboost.R 为xgboost模型
	h2orf.R 为 h2o的Random Forest模型的代码
	
	依赖：readr, data.table, xgboost, caret, h2o
	install.packages("readr")
	install.packages("data.table")
	install.packages("xgboost")
	install.packages("caret")
	install.packages("h2o")
	使用:
	Rscript xgboost.R
	Rscript h2orf.R

3：模型融合
	blend.py
	对同一个目录下的文件做blending，保存成blending.csv
	weighted_blend.py
	对同一个目录下的文件做带权blending，格式要求，name-weight.csv

4：数据结果阈值调整以及格式转换
	laterprocessing.py
	安装python 依赖：
	numpy：pip install numpy
	pandas: pip install pandas

	使用：
	python laterprocessing.py submit_out.file threshold