天池智能工业大赛大佬们的思路（需要再看）

打酱油参加了天池工业AI大赛1，当然没拿到奖，看决赛答辩直播时见识到了大佬们的各种思路，真是大开眼界。记录一下，留给以后参考。

1. 特征构造

这个是相当重要的
第一名那个女孩子并没有用什么高深的方法，但是对特征挖掘的特别好，并且提到我们可能要 “人工”智能，即是人为创造数据。1） 通过每个特征原始值与均值的差异，差异的绝对值构造。2） 通过可能特征的四则运算构造特征（当然，这是剔除掉部分原有特征后进行的，否则维度也太大了）。

2. 抗过拟合

由于大家主要使用的是皮尔森相关系数筛选的特征，那么确定相关系数(实际使用的是相关系数的绝对值)阈值就尤为重要。有个男孩子发现线下cv值并不随着阈值线性变化，而是表现出W型的变化趋势，即mse在两个阈值的时候都较低。所以，他分别使用这两个阈值标准筛选得到的训练数据建模、预测，对这两个模型融合（有可能直接用的平均，我忘记了）。

另外一个团队使用了深度学习的方法来做，原理可能是添加随机噪声什么的，具体我又忘记了。

3. 缺失值处理

其中一个男生使用的确实值处理方法可能有助于提高模型表现，他没有使用均值或中位数对缺失值进行处理，而是未对缺失值进行填充，使用了允许缺失值存在的xgboost模型。此外，有一些特征值为“0”的数据经判断后应该是机器上传过程中出现了错误等，他也把这些转化为了缺失值。

---

1. https://tianchi.aliyun.com/competition/introduction.htm?spm=5176.100066.0.0.6b7bd780QsjpB1&raceId=231633 ↩