COMP5565 Task2 背景：房地产营销中，企业需根据客户特征判断其购房意向，以便精准分配销售资源、提升转化效率。 目标：二分类预测问题 —— 根据客户特征，预测其是否会购房（标签 = 1）或不购房（标签 = 0）。 评估指标：Macro-F1 分数

设计：1.因为标签分布不是55分布，所以用StratifiedKFold：分层 K（5）折交叉验证，确保每个折中各类别的比例与原始数据一致（解决类别不平衡问题）。

标签 0（不购房）：107,610 条

标签 1（购房）：32,320 条

2.特征分为数值型和分类型，而且数值型数据大小不一，需要特征缩放；分类型用了OneHotEncoder编码

3.模型用的DNN，三层hidden layer，有dropout和早停

4.消融实验去掉了不同的component比较结果，优化发现：省略 class_weight='balanced' 参数后，平均 Macro-F1 分数从 0.9795 提升至 0.9871。 最终决策：因此，最终优化模型未使用类别权重，实证证据表明该参数对此特定数据集和模型配置反而不利。