Kickstarter是一家美国的众筹平台。自2009年成立至今，已经有36万余个众筹项目在平台上立项，总共筹集到30多亿美元的项目众筹款。其中，众筹项目的成功率为35.83%。

△ 图片来自Kickstarter官网

这篇文章中，iOS开发人员Shrikar将用机器学习预测Kickstarter上项目众筹成功的可能性。它也能帮助发起人调整项目的名称、描述、关键词以及募集资金数，使众筹成功的可能性最大。用上传图片的图像特征提高模型的准确率非常奏效，你可以在Kaggle中获取到这些数据集。

Kaggle数据集地址：

https://www.kaggle.com/codename007/funding-successful-projects

创建数据

几乎所有机器学习问题都会从挖掘数据并且试图了解更多信息开始，我们也不例外。

Kickstarter中需要募集的信息大致有如下几类：

1.Project_id:项目的唯一识别符

2.name:众筹项目名称

3.desc:项目描述

4.keywords:项目关键词

5.disable_communication: 通讯状态

6.country:项目所在国家

7.currency:计划众筹资金

8.deadline:众筹截止日期

9.state_changed_at:状态变更

10、created_at:成功后项目开始日期

11.launched:项目计划完成日期

12.backers_count: 赞助人数量

13.final_status: 目标变量

特征工程

我们需要加入一些特征来创建机器学习模型，duration和cleaned_text就是很好的选择。下面我们将拟添加特征罗列出来：

all_text:项目名称+描述+关键词（需除去连字符）

duration:项目总持续时间

days_status_changed:改变后到截止时的日期数

cleaned_text:删除标点并且只留文本

试探性数据分析（EDA）

△ 以国家为标准划分Kickstarter上的项目

△ 以国家标准划分的项目是否众筹成功

△ 项目中的最高筹集金额

scikit-learn提供了一种极好的特征可以用来构建模型，也就是我们常说的管道（Pipeline）。本案例中既有文本特征也有数值，所以我们需要有区别地转换它们。

首先，我们需要看看在被机器学习算法使用前，如何用特征联合（feature union）合并特征。

为了用特征联合合并，我们需要建立几个转换器混入（mixin）。这些混入可以使我们从计算机中提取某些列，并将它们传递给不同的转换器。

我们看看怎样构建模型并安装管道。

结果如下：

在这种情况下，目标类是不平衡的：

所以我们如果总是预测输出为0，那么将纠正(73568)/(73568+34561)≈68%的情况。模型能以目前86%的准确度来学习，我们基本上就能放心了。如果出现不平衡的情况，可以用AUC曲线（Area Under Curve)评估模型。

如要进一步探索，请移步GitHub代码区：

https://github.com/sarchak/MachineLearningNotebooks

【完】