竞赛总结

这段时间一直在博客上面吸取日月精华，上面真是高手如云，甚是热闹，不仅让我有一种冲动，好来一场华山论剑。

对前段时间的充当炮灰比赛总一下总结。希望对你有所帮助！

武器库

俗话说，台上一分钟、台下十年功。虽然参加数据科学竞赛不需要十年的修炼，但还是需要一些基础的知识技能作为支撑的，我讲以下几个方面。

计算机科学和机器学习的相关应用都是实践性很强的项目。任何一门有关编程语言的教材，看一周的时间足够了。关键在于动手实践，做项目做比赛，也就是任务驱动型学习。关于编程我还想说一个原则，就是“天下文章一大抄，看你会抄不会抄”。在做一个任务时，你的代码能复制粘贴就不要自己敲。

除了以上这些武器之外，你还需要知道做比赛的流程。参与一个数据科学竞赛，大致需要这么几个步骤：赛题分析，数据探索，数据预处理，特征构造，特征选择，模型选择，模型优化，模型融合，预测提交。其中数据预处理、特征构造、特征选择合起来可以称之为特征工程。然后，还需要一个有效的迭代策略来管理你的idea和代码。做比赛之前一定要将此流程牢记于心并一步一步地进行，下面就让我为大家介绍图中的每一步具体是如何操作的。

赛题分析

在我看来啊，赛题分析其实是在解决战略层面的问题，这一块其实是非常重要的，但市面上的很多开源的经验分享往往有意回避这一块内容，只谈各种具体的方法和技巧。殊不知，真正做成一件事，不仅需要“术”，还需要“道”，但