Datawhale AI 夏令营，专属小白的一场酣畅淋漓之旅途

啥也不会想要学习机器学习，怎么办，先硬着头皮加入datawhale的机器学习夏令营，我这么干了，对于一个编程小白，如何学习，以下为我坎坷曲折的task完成旅途：

对于第一次task1，点点手指，有飞浆的云平台，有写好的代码太过于简单，task2就要自己配置，在本地运行：

我是这么学习的，首先打开学习手册，阅读内容，了解机器学习的实现过程：

探索性数据分析、数据预处理、提取特征、切分训练集与验证集、训练模型、预测结果。

不太懂就问问kimi，他说：

探索性数据分析（EDA）：

目的：了解数据的基本特征，发现数据中的模式、趋势和异常值。
方法：包括绘制数据的分布图（如直方图、箱线图）、计算描述性统计量（如均值、中位数、标准差）、相关性分析（如皮尔逊相关系数）等。
数据预处理：

目的：将原始数据转换为适合机器学习模型处理的格式。
步骤：
缺失值处理：填充或删除缺失值。
异常值处理：识别并处理异常值。
数据类型转换：将数据转换为适当的类型，如将文本标签转换为数值标签。
数据标准化/归一化：调整数据的尺度，使其在相同的范围内，便于模型处理。
提取特征：

目的：从原始数据中提取出对预测有帮助的特征。
方法：
特征工程：通过数学变换、聚合、选择等方法生成新的特征。
降维：使用主成分分析（PCA）、线性判别分析（LDA）等方法减少特征的数量，同时尽量保留数据的原始信息。
切分训练集与验证集：

目的：将数据集分为两部分，一部分用于训练模型，另一部分用于验证模型的泛化能力。
方法：
随机切分：随机选择部分数据作为训练集，剩余数据作为验证集。
分层切分：确保训练集和验证集中各类别的分布与原始数据集一致。
训练模型：

目的：使用训练集数据训练一个能够预测或分类的模型。
步骤：
选择模型：根据问题类型（如回归、分类、聚类）选择合适的模型。
参数调优：通过交叉验证等方法调整模型参数，优化模型性能。
模型评估：使用验证集评估模型的性能，常用的评估指标包括准确率、召回率、F1分数等。
预测结果：

目的：使用训练好的模型对新数据进行预测。
步骤：
应用模型：将新数据输入模型，获取预测结果。
结果解释：对预测结果进行解释和分析，评估其在实际应用中的有效性。

接下来就是了解算法模型：GBDT，最终使用的为lightgbl，不懂就百度

有志同道合的朋友还附上了链接：https://zhuanlan.zhihu.com/p/99069186

接下来就来到代码环节，不懂就先跑，在pycharm中跑：不理解的地方我通过两个方法：

1.直接丢给kimi。让他回答实现了什么功能，把其中的函数用法都介绍一下；

2.print大法：直接在中间疯狂print看数据集所发生的变化

途中报错两次：

一个是在数据路径报错（通过添加r或者改/为\修复）

另一个看不懂，好像是模型调用过程参数设置出错，但是通过水友和助教帮助（感谢水友和助教）成功解决。

第一次跑完一个机器学习过程：爽！

在这个过程我发现对设备还是有点要求，电脑呼呼转，嘎嘎发热，搞了几个云平台发现效果也不怎么样，还得探索探索