Kaggle[3] - Job Salary Prediction (Adzuna)

比赛链接在这里：http://www.kaggle.com/c/job-salary-prediction

比赛的内容是根据历史的招聘数据，然后预测每个测试集中每行数据对应的薪水。衡量模型好坏的标准是MAE。

特征及前几条样本数据如下：

FullDescription是一段文字，描述职位的。后续会用到，n-gram，tfidf建立特征。

先看看处理特征的方法。这一块主要是在Title、和FullDescription上。

具体步骤的话可以先分词，然后统计每个词（或者词组，n-gram, n取2）的出现频率，把频率低的词(组)去掉，然后将得到的词表作为特征向量(或者用tfidf替代)加入到每个样本中去(特征维数很大，但是稀疏)。

经过这些特征的建立后，就可以开始建模了。

本身比赛是要我们预测一个工作提供的薪水，而薪水的预测可以看成一个回归问题，其实也可以看成一个分类问题(自己设定一些区间)。

比赛中，用到的模型有

1. Linear Regression (Lasso and Ridge) 

2.