由于对于机器学习相关方面的兴趣以及自身专业的原因，在暑假中我参加了Datawhale联合科大讯飞举办的AI夏令营。老实说，在一开始听到要参加科大讯飞平台举办的AI开发者大赛时，我的反应是:”我打开发者大赛？真的假的？“
但是在看到了Datawhale团队为我们准备的飞书指引时，我便知道是我多虑了。
以下便是我参加夏令营的一些收获。
Task 1
在一开始，因为对于这一方面的了解十分有限（可以说是玩完完全全的小白），我便跟着Datawhale的飞书指引跑了一遍baseline，虽然很快地得到了一个submit，但是说实话，根本没有搞明白发生了什么。
但随着我往下继续学习，了解到了时间序列预测模型及相关应用，简单地了解了许多解决时间序列预测问题的模型：
虽然依旧有点懵（因为之前对于这一方面只有非常粗浅地认识，一下子出现的许多专有名词让我理解起来有些许的困难），但是这并不是问题，之后的时间可以慢慢地进行学习。
紧接着，Datawhale飞书之后的内容为我解释了我运行的代码到底做了什么。（虽然在代码里的解析其实已经很详细了）
不过我在本地运行时发现了编译器提醒我numpy库并没有被用到，我猜这个库应该是用来进行后续提升所用。
总的来说，Task 1的学习为我打开了一扇新世界大门，有着许多新的知识等待着我去了解，期待着下一部分的学习。
Task 2
在这一阶段的学习中，我跟着手册指引了解并学习了基础的机器学习模型lightgbm：
在学习了数据分析与特征工程后，对于Task 1中的均值我也有了一些新的认识，主要可以用下面的一张图来说明：
这一张图可以说明为什么Task 1中可以吗用前十天的均值来预测下一次的target，具体解释就是，用一条直线来拟合这一条折线，虽然拟合效果比较差，但是确实可以。
同时，结合着一些数学知识我也对特征工程有所理解，将数据以时间为分割后考虑每一小段时间的一些特征：最大值、最小值、均值、趋势（导数）……
这里我也联想到了傅里叶变换，因为老师讲过可以把一般的函数看作是周期无限大的函数。（但是这样似乎容易出现过拟合。。）
对于原理有了一定的基础认知后，我便试着运行了飞书中的代码，开始时也遇到了许多人都碰到的问题：
不过在Datawhale助教们的帮助下修改了几个报错后便顺利的运行：
总的来说，经过Task 2的学习后我知道了一般的模型训练所需要的过程，也明白了如何进行简单地数据处理和特征工程，有了一些提分的想法，但是实践起来有些难度，期待Task 3中大佬的教学与讲解。
Task 3
首先，在开始说之前，我想放一张图：
在接触了Task 3里的内容后，终于明白了括号里面字的意思，这一阶段Datawhale大佬的讲述尤为明显地倾向于教导我们参加竞赛时如何提分，这对于我这个小白跳跃有点大，因此决定在学习一段时间后再进行说明。
引用：
1.Datawhale飞书文档 从零入门机器学习竞赛 - 飞书云文档 (feishu.cn)，Task2：入门lightgbm，开始特征工程 - 飞书云文档 (feishu.cn)（开源的话应该可以分享吧。。侵权联删。）
2.科大讯飞 2024 iFLYTEK A.I.开发者大赛-讯飞开放平台 (xfyun.cn)
3.LightGBM中文文档 LightGBM 中文文档
439
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
