IJCAI-2018--广告销量预测 19/5200 思路

这次比赛的最大感受就是：别掉以轻心，初赛和复赛开始我们成绩一直在前边，导致心态太翘，该尝试的探索的其他模型没有去做，光在特征上按照初赛思路去做，没有绝杀技，导致有后手的把我们ko了。惨痛教训。。。

-------------------------------------------------------------------------------------------------------

这个题目和kaggle上的TalkingData很像，所以kaggle那个第二，在这个比赛里拿了第一。（因果关系可能有问题，但是有幸运因素在里面，让他们赚了），下面是kaggle那个比赛的前十名分享：

=======================================================

第一名思路：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56475
第二名：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56328
第三名：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56262
第四名：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56268
第四名部分代码:https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56545
第五名：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56406
第五名续：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56319
第六名：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56283
第八名：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56325
       https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56105
第九名：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56279

第11名：https://www.kaggle.com/c/talkingdata-adtracking-fraud-detection/discussion/56250

--------------------------------------------------------------------------------------------------------------

关于我们的成绩：初赛第四，复赛最后被绝杀,第19。挺遗憾的。哎。

模型选择：

xgb，lgb。（catboost我试了一下效果不好，速度也很慢，可能是我用的方法不好），stacking效果一般。

其他队伍有用NN，embedding，countvector，贝叶斯平滑，FFM,FM,DEEPFM,NFM,NFFM,DCN,DIN（据说效果一般），AFFM（效果不错：FFM+attention）

特征工程：

模拟退火筛特征（蛇佬分享）https://github.com/luoda888/tianchi-diabetes-top12/

我们的特征：https://github.com/leiseraiesecqd/IJCA2018--/blob/master/feature_enginnering