2020泰迪杯数据挖掘挑战赛总结（A题）

写在开始：转眼间，泰迪杯数据挖掘挑战赛已经过去了10多天，趁着结果还没出来，还有这股热乎劲，写篇文章总结下。

最初

• 最初的参赛原因简单粗暴。
  
• 后来也渐渐发现，白嫖也的确学到不少。
• 刚开始组队，选好队友很重要，和我组队的两个队员是两个数学学院的大佬。他们每个人都对比赛特别上心。组长也及其负责，这对我们后来的讨论，学习，解题有了很大的鼓励。

学习阶段

• 在学习阶段是比赛整个阶段中对自我提升最大的阶段。那段时间真的是我整个学期学习最认真的时间，除去上课时间，每天从早学到晚，学习数据分析和机器学习。你只有学的足够深才能在解题的时候有更多的思路，更好的思考。
• 一个组三个人，一个负责写论文，一个负责算法设计，一个负责编程，身为一个准程序员，我理所应当的成了负责编程的那个人。每天跟着教学视频敲代码成了我的日常工作，有道云笔记记了很多，这些都会成为往后的知识财富。正好我也是大数据专业，数据分析也是一项基本技能。
• 偶尔会开语音讨论近期进度和对题目的理解，我们组选的是看起来较难的A题。虽然A题看起来较难，但是A题最起码全是数据，没有对文字型或其他类型数据的处理，也会好做一些。
• 在学习阶段就要多学习，认真学。需要学的不仅是教程视频。还要尽量多的百度一些论文阅读，学习别人的思路。

解题阶段

• 比赛的数据量基本上都特别大，所以运行起来就会特别慢，一般一个程序运行一个多小时都是有可能的。所以我专门为前段时间白嫖的阿里云服务器配置了Python3运行环境，用XShell远程管理，写好程序后rz上传到服务器，然后让服务器在后台运行程序，自己继续写下一部分。事实证明，这个方法很有效果，大大节省了我们运行程序的时间。
• 解题阶段要多讨论，多讨论，多讨论！不同的人对题目的理解可能不太一样。我在一开始的理解就偏离了团队的路线，后来在一次讨论中才发现并及时调整。
• 在解题中要实验多个模型，不能死追着一个模型不放，可能下一个模型就比这个模型要更好。
• 介绍一个比较好用的库pandas-profiling，可以一键生成漂亮的数据总体预览，也可以生成HTML文件。如果加在论文中，会比较好看。具体使用方法见点击直达
• 另外，代码记得写注释，文件名记得备注清楚，不然到最后整理代码的时候你能疯，别问我咋知道的。。。

最终

• 比赛结束，不论结果怎样，最起码在这个过程中我们学到了很多，这就足够了。借用我在比赛中说的一句话：参赛本来的目的就是学习，放平心态就好，得奖也好，得不了奖也罢，只要我们尽力了，在这个过程中学到东西了，那这个比赛参加的就有价值。坚持到底，就是胜利者！
• 最后祝那些参加了的和将要参加比赛的童鞋们取得好成绩，也希望我们组能够取得优异的成绩吧。
• 时间——2020年5月21日。