kaggle比赛之Riiid的回答问题正确率预测，记录自己的首次参赛！

机缘巧合的情况下，知道了kaggle的Riiid的比赛，这是一个关于分类或者也可以理解为预测的比赛吧，就是针对学生是否可以正确回答问题进行预测。

比赛官网：https://www.kaggle.com/c/riiid-test-answer-prediction

1.赛题介绍

1.1赛题背景

Riiid AIEd挑战2020

获奖团队将被邀请在2021年2月举行的AAAI-2021人工智能教育研讨会上展示他们的模型——用人工智能想象后乔维德教育。欢迎所有参赛者向研讨会提交他们的报告。

回想一下你最喜欢的老师。他们激励和激励你去学习。他们知道你的长处和短处。他们教的课程是基于你的能力。例如，在学习微积分之前，老师会确保你理解代数。然而，许多学生无法获得个性化学习。在一个充满信息的世界里，像你这样的数据科学家可以提供帮助。机器学习可以为世界各地的年轻人提供一条通往成功的道路，我们邀请您参与这项任务。

2018年，有2.6亿儿童没有上学。与此同时，超过一半的年轻学生没有达到最低的阅读和数学标准。当COVID-19迫使大多数国家暂时关闭学校时，教育已经陷入困境。这进一步推迟了学习机会和智力发展。每个国家的股权差距都可能扩大。我们需要从出勤率、参与度和个性化关注等方面重新思考当前的教育体系。

Riiid Labs是一家为教育市场提供创造性颠覆的人工智能解决方案提供商，它授权全球教育参与者重新思考利用人工智能学习的传统方式。怀着对教育机会均等的坚定信念，Riiid于2017年推出了一款基于深度学习算法的AI导师，吸引了超过100万名韩国学生。今年，该公司发布了EdNet，这是世界上最大的人工智能教育开放数据库，包含超过1亿个学生互动。

在这个竞赛中，你的挑战是创建“知识追踪”的算法，即随着时间推移对学生知识的建模。目标是准确预测学生在未来互动中的表现。您将使用Riiid的EdNet数据对您的机器学习技能进行配对。

你的创新算法将有助于应对全球教育挑战。如果成功的话，任何有互联网连接的学生都有可能享受到个性化学习体验的好处，无论他们住在哪里。在你们的参与下，我们可以为后COVID-19世界建立一个更好、更公平的教育模式。

1.2评价指标

在预测概率与观测目标之间的ROC曲线下，对提交的数据进行评估。

提交文件(这里与国内的比赛不同，是需要提交代码的！)

你必须直接从Kaggle内核提交。通过将您的队友添加为内核上的协作者，您可以与他们共享和编辑代码。

kernels环境会自动格式化并创建您在本次竞赛中提交的文件。不需要手动创建提交。

1.3提交要求

这是一场代码竞赛
参赛作品必须通过笔记本提交。请注意，本次比赛不需要在笔记本中进行培训。
为了在提交后激活“提交竞争”按钮，必须满足以下条件：

• CPU笔记本<=9小时运行时间
• GPU笔记本<=9小时运行时间
• TPU笔记本<=3小时运行时间
  允许免费和公开的外部数据，包括预先培训的模型
  提交文件必须命名提交.csv
  有关如何提交的详细信息，请参阅代码竞争常见问题解答。

1.4本人对该比赛的一些看法

第一次参加kaggle的正式赛，之前注册后就提交了两个学习的比赛，一个是房间预测一个是泰坦尼克号的比赛，所以对于这个平台还不是很熟悉。

从开始了解这个比赛，到正式开始上手做，我花了几天的时间，由于本人的英语本身就比较菜吧，要理解一些特征的意思，通过翻译软件，慢慢的了解这个比赛的要求和需要做的事情。

在到后来需要自己写推断，跟国内的比赛有很大的不同，国内的比赛基本都是直接提交一个结果文件，但是这个比赛需要你提交的是你的代码文件，而且实现你是看不到需要预测的测试集的，官方通过一个接口把测试集给你，通过你的编写的代码，在提交后，官方在进行预测，所以这块确实比较让人头疼！

就到现在，其实对于有些预测集特征的构造还是比较迷糊的，害。如果你也在参加这个比赛，我们可以一起交流一下！

2赛题的数据介绍

这个赛题一共给了三个表，train.csv,questions.csv还有一个lectures.csv，每个文件中都有一些字段，不同的字段代表了不同的含义。

这里我整理了一个关于字段的梳理图

3.赛题的baseline

其实在比赛的notebook那里可以看到很多人分享的baseline，不过目前分享的最高的baseline是0.781，这个分数还是比较低的，到不了铜牌，害，比赛的竞争还是很大的。

其中我之前参考别人的baseline也写了一个0.762的baseline，大家可以给个支持，帮忙点个赞，也可以一起学习，距离比赛结束还有不到两周的时间，距离组队结束时间还有6天！

我的baseline0.762

4.总结

这个比赛给的train数据大概是1亿行左右，如果全部拿来做特征，只在kaggle的kernel是完全不行的，内存根本不够用，所以我当时也只是用来部分数据，不过看到他们的讨论说用全部数据和部分数据的差值可能在0.01左右吧，害，对于我们这种没有资源的人来说，只能白嫖官方的资源，凑活还能用吧，但是最近几天尝试了很多特征，效果都不好，上分困难啊，首次参赛，可能要与奖牌无缘了…，再接再厉吧，学点经验，提升自己分析的能力！

记录时间：2020年12月26日