Datawhale AI夏令营笔记——task1

      今天了解了Datawhale夏令营，然后还简单操作了一下ModelScope的Notebook，跟着教程将task1的代码跑通了，之前并没有很了解机器学习中的各种优化方法，虽然听说过决策树、随机森林之类的，但是仅仅看过部分理论知识，实操也只是跑通了代码，所以我对它的实际运用基本完全不了解，今天才知道它还可以用到化学反应产率预测中来，也是让我长了长见识叭。这个代码是怎样将一串串普通化学数据转化成可以学习、优化的数据的部分，我没看怎么懂，希望讲解代码的时候能多注意注意，因为我觉得优化方法就是那么些，最重要的还是数据的转换，或者说怎么去设计这个算法。

      我对原始数据的转化的理解是，将化学反应以特定的形式写出来，然后再将其转化为一个个化学方程向量，因为每个反应物，溶解剂，催化剂等等与化学方程式有关的量，均为特定且唯一的量，所以将其转化为向量就是一个有效建模的过程，然后也更加方便了机器学习的数据处理，使其能更好地放入模型中进行训练。然后对随机森林的一些参数的理解，树的深度就是迭代次数，这个和模型有关，如果模型效果不佳，那无论迭代多少次都是没用的，而且迭代次数太多会大大增加计算机的计算量，耗费资源，树的数量不能太多，否则会过拟合，但是这次用了50棵树，似乎也没发生过拟合，这个调参还是得多了解，多实践。