之前种种原因，也没能在 Kaggle 上开始打比赛。这次在公司组织的 MDD Cup 2017 侥幸获得第四。这真得感谢领导支持允许在工作时间参与公司内部这个赛事，感觉这个最重要还是时间投入。
自己也是新手，遇到种种问题，总结一下以为前车之鉴：
- 熟悉模型工具各参数，自动模型调参，调到最优；
- train/val/pred 特征数据分布、缺失比例要一致，( train 覆盖较多的数据，考虑比如处理置空跟 test/pred 一致），特征数据覆盖率尽量高（从过去一周变过去所有）；
- 使用稳定的 val set，保证 val set 的分布跟 pred 一致，loss 变化也一致并能对应线上 Public Leaderboard 表现；
- 各种 magic feature、穿越特征、组合特征的尝试及使用（太多后可以用特征选择处理）；
- 差异化的模型融合：特征差异、数据采样差异、数据分布修改（线性/非线性、lightgbm/xgboost 融合等）；
- 不要有 bugs，产生特征数据都肉眼看看防止不出错（比如我quater/time 计算原来就计算成 UTC 的了）；
- EDA 看数据问题、分布、loss 较大的 case 等。
自己遇到的效率问题：数据生产跟 trainning 各中间环节没有解耦开，导致中间数据生成过程延迟而影响最后模型训练，耗费关键的最后两天的太多时间。
听前几名分享的感觉重要的几点值得借鉴的经验：
- label 变换 log, log shift 等
- 融合：特征、label、模型的差异化
其他小伙伴网上分享的也很值得借鉴：
Original post: http://blog.josephjctang.com/2017-11/first-try-on-kaggle/