有幸和两位大佬共同参加了PAKDD2020
后面有大佬带着结果还好吧~
比赛过程中我主要负责EDA,也做了很多很多的分析,可惜最大的败笔在于几乎没把分析运用到实际建模过程中
备注
- 在数据分析的过程中为了便于分析,采用多label做标签(0为好盘;1为距离错误日期0-10天的坏盘,2为距离错误日期10-20天的坏盘,3为距离错误日期20-30天的坏盘,4为距离错误日期30-45天的坏盘,5为距离错误日期45-60的坏盘
- 由于提供的正样本可能存在错误(如:某硬盘在训练集中的记录为20180101-20180501,且错误日志中没有记录,但是这个盘可能20180515坏了,为了避免这种情况我们对所有的好盘都去掉日志最后30天的记录)
数据集初步分析-空值及无效特征
数据相关性分析
硬盘SMART属性含义列表
图片来源于交流群,侵删🙌