Kaggle 大神 Eureka 的高手进阶之路
需积分: 10 100 浏览量
2018-04-02
12:02:57
上传
评论
收藏 14KB DOCX 举报
你参加过的比赛中，有广告、交通、金融、教育、医疗等各式各样的问题，在解决这些问题的方法上，
是否总结过有哪些共性？
就我个人对这些比赛的分类，主要分为挖掘、图像、语音、NLP 四类。
你可以这么理解数据挖掘类问题，除了语音、图像和 NLP，剩下的所有问题，都可以归结为此类问题。例如根据实际
业务，做各种各样预测的问题（预测销量、点击率、推荐排序等），都可以定义为数据挖掘问题。或许我的定义并不
准确，不过我没有想到一个更好的表达词。
这四类问题需要用到的一些技术或者技巧，彼此之间可以相对独立，每类问题都有各自的套路。
对于数据挖掘类问题来说的话，具体是广告、交通、金融还是教育，其实影响不大。主要的共性就是理解数据，理解
问题，从数据中找到有用的信息用来预测，这类问题胜负更多的是在特征上。
对于图像问题，可能就较少涉及到特征了。图像问题现在主要用到深度学习的相关技术，基于深度学习做了很多改进
或者演绎，已经完全不需要在特征层面上去做什么了。
像图像、语音类比赛，其实我目前接触的还比较少，这种比赛这两年才开始兴起。
你提到在数据挖掘比赛上面，胜负更多在特征上，为什么这么说呢？在特征上有什么套路？
基本上大家都会用同样的一些工具去训练同样的模型，在模型方面差别很小。所以，模型没那么重要。
融合是基于单模型来的，要是单模型不好，那么很大概率上融合也好不了。此外，融合的套路应该也基本上都固定了，
但凡常玩的人也都知道。所以，融合基本上达不到创新，很难出现别人不知道的招。
因此，机会还是在特征上，现在只有特征还没有一个通用的标准，大家自己做自己的，有可能做出点不一样的东西。
其实特征工程主要分两点。第一点：你可能需要了解业务，从业务本身出发，找到一些对预测有帮助的信息和线索。
这是基于你对业务的熟悉，对业务的理解出发的。
第二点就是需要想办法把这种信息转化成适用于模型的特征。
评论0
最新资源