本文复盘了Kaggle宠物收养比赛，该比赛涉及图像、文本和结构化数据的多模态分析。作者讨论了数据处理、特征工程，包括图像的预训练模型特征提取、文本的TF-IDF和主题模型、元数据的分析，以及利用Groupkfold避免数据泄漏。模型方面，采用了stacking架构，结合了多种模型如LightGBM、XGBoost、CatBoost、RNN+DeepFM，并通过岭回归进行融合。最终，作者获得了比赛的亚军。
这个比赛是在19年4月结束的，已经过去一段时间。完赛时我是季军，但后面由于冠军大哥作弊被发现并除名，我在排行榜上的位置也变成了亚军。这个比赛很有特点，是难得一见的“多模态数据”比赛，也是我唯一的Solo金牌，初学者应该能从中学到不少东西。
正文的内容其实也是去年写的，但原来是放在自己的博客里，一共也没几个人看过。后面我会把之前的一些复盘都发出来，希望可以启发到有需要的人。
这是一次很有意思的比赛，主办方是马来西亚的动物慈善组织PetFinder。比赛是要根据小动物的信息来预测他们多久之后会被好心人收养。这次比赛的数据种类非常的丰富，基础数据集包含了了图像数据、文本数据和结构化数据，通过不同的数据类型的组合，可以探索很多有意思的算法。而且这次比赛允许使用外部数据，只要在官方的论坛里把你使用到的数据公开给所有的参赛者，你就可以进行使用了。我一开始以为这种方式会让这个比赛变得比较蛋疼，但到最后几天我发现，通过观察排在前面队伍使用的外部数据，可以对我们自己的模型产生一些帮助:P。
3082
605
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
