印象盐城数创未来大数据竞赛上牌赛总结：

这个比赛是我的第一次机器学习比赛，成绩还算凑合，第一赛季mse67w多，勉强进了第二赛季，第二赛季mse在4w8，和前面的大神差了快一倍，总结这次的比赛，为之后打好基础。
刚接触到题目的时候，完全没有思路，导入数据，用matplotlib画了图看了下数据曲线；
最初的想法是利用day_of_week来拟合七条曲线进行预测，但是对于预测算法毫无思路。
后来在技术圈看到了麻婆豆腐大佬的分享，按照他的代码，依葫芦画瓢，用加权平均的方法提交了第一次结果，mse88w,效果在当时还可以；
之后尝试了金融上常用的arima模型，但是对于arima的理解不够深入，加上使用了每天的上牌数作为特征，导致数据中存在大量的极端值，模型训练的不好，mse在141w；
后来在写基金申请的时候，接触到了lstm长短期记忆网络，本打算使用lstm做一下尝试，后来因为赶基金的申请加上过年期间评测关闭，也就放弃了；
过年后评测开始前，在某群里和别人尬聊，知道了活动行为认知中常用的提取时序特征的库tsfresh，阅读了官方文档后，简单的做了一下，mse在91w；
最后成为了进第二轮，做了最后的尝试，利用day_of_week推日期，提取了year，month_of_year，day_of_month,season，ten_day(上中下旬)；并利用xgboost建模，第一赛季B榜mse在81w左右，最后一天，有提取了在每个法定假日前一天、后一天的特征，最终mse到了67w,侥幸进了第二赛季；
第二赛季使用之前的特征，加上在法定假日的工作日的特征，使用xgboost和lightgbn分别进行训练，最后将两个的结果作为特征输入到xgboost，做模型融合，最后的分数在4w8；
比赛结束后，看了成绩比较好的人分享，差距主要在特征工程上面，根据有限的数据，提取的特征比我提取的多，甚至考虑了农历年的特征；
需要改进的地方：
1.对于xgboost和lightgbm的理解以及调参；
2.对于不同的模型都阅读一下paper，加深理解；
3.争取早日看完周志华老师的《机器学习》
以后的工作：这次的比赛结束后，报名了ijcai和阿里妈妈联合主办的广告预估率的比赛，这次的比赛应该有很多大佬参加，希望能再接再厉们争取继续苟进第二赛季