Datawhale AI 夏令营（机器学习方向）

一、本次task3操作的多种方案（个人总结）

1.lightgbm模型+特征优化(得分大概子273左右，可以通过调整lightgbm的参数来调整）

注：主要改变lightgbm的学习效率和迭代次数，这两者参数的改变对模型影响大。再接着可调整叶子节点数以及自己可以加个max_depth来调整树的最大深度

2.模型融合+特征优化（得分在250左右)

这里可以适当调整迭代次数来是得分更好看，可将迭代次数更改为2k这样得到的分数大概在235左右。如果要再加分，可以适当调整三个模型的参数来加分，调整策略同第一条一样

3.深度学习方案

但是此得分目前不堪500多，建议不尝试，目前个人没找到比较好的参数来使得分更好看

个人误点：在特征优化中，容易爆内存，因此需要利用GPU32来跑模型，可避免此情况,如果自己有相应好的设备也可以利用自己的GPU本地跑，或许会有更高的得分。

二、个人感悟

前前后后测试这个机器学习的模型不下10次，查阅了很多资料，翻阅了很多大佬的经验，以及求问了群上很多大佬的经验。此次经历丰厚了我的知识，锻炼了我的心态，也让我见识到了很多厉害的人。感谢此次平台给予的机会，让作为大一的我学到了如此多的新知识，认识到了很多新朋友。再次，非常感谢Datawhale AI 夏令营，感谢你们的辛苦付出和努力，让我们这群学习者相聚一起共同学习！！