阿里妈妈IJCAI_2018赛后总结

赛题背景

关于比赛的介绍，这里就不做赘述了
https://tianchi.aliyun.com/competition/introduction.htm?raceId=231647

成绩不够好的原因（一百多名，总人数5000多人）

1. 首先也是最重要的是“弱”， 会的东西太少， 比赛没有用到什么特别特殊的方法， 稍微特殊一点的只是lgb+lr
2. 复赛方向有问题， 没有在提取特征上花费足够多的时间
3. 没有一套完善的特征筛选的方案，纯粹的凭借感觉， 虽然有尝试用一些网上别人提过的方法， 但是效果都不好
4. 复赛过程中精力不是很集中

具体的方案

训练集选取以及验证方式的选定

  由于第七天（特殊日期）上半天作为训练集，这么选取的原因有两个。一是第七天上半天距离第七天下半天近（线上测试集），二是因为前面几天的数据分布和第7天差异过大。
  验证方式采用直接在训练集上面做一个交叉验证，但是这种方式个人赛后觉得不太合适，因为我本地lgb要优于lgb+lr,但是实际线上lgb+lr要优于lgb，这里交叉验证并没有发现lgb的过拟合。所以个人一定程度上觉得这个验证方式可能不是特别合适。但是绝大多数时候cv还是可以同线上保持同样的趋势。

特征

  将训练集合划分成3部分，第0天到第5天，第6天，以及第7天，分别按照这三段分开提取特征，这么提取的原因是因为刚好，第0天到第5天的数据分布是一样的，所以可以看作正常时间内的表现；第6天点击量非常多，但是交易率非常低，所以可以看作是特殊日期前，第七天交易率非常高，可以看作是特殊日期当天。所以这里我提取特征也分成三个部分。具体的每一天提取的特征每个人都大同小异，这里就不多赘述了。

模型

lgb+lr: l g b + l r :
  我这里采用的lgb+lr模型分为两层，第一层为多个lgb，第二层为一个lr。
  训练集中有一些id类特征，将那些类别非常多的id类特征单独拿出来，每一个特征单独训练一个lgb,最后将剩下的连续特征以及类别比较少的离散特征训练一个lgb。利用这些lgb的叶节点来提取特征，然后将提取出特征的数据集拿去训练lr，这样我们就得到了一个lgb+lr的模型

写的比较泛泛， 详细的东西日后一点一点再加