比赛最终总结
1. 针对 "common_ts" 的数据处理：
common_ts 是 “时间戳” 格式的特征列信息，挖掘数据语义：
① 拆分：针对年、月、日等更小的时间梯度进行新的特征划分，并将其加入特征内部；
② 挖掘数据内涵：时间信息是否具备更深层、更实际的时间语义：如：时间戳数据 是否集中在特定的星期几；
③ 连续性特征：时间信息特征不同于其他普通信息，其连续性不可忽视，通过：滑动窗口等技术可挖掘。
2. 针对 "udmp" 的数据处理：
# 预处理数据：拆分，并转化为独热编码
def udmap_onethot(d):
v = [0] * 9
if d == 'unknown':
return v
d = eval(d)
for i in range(1, 10):
if 'key' + str(i) in d:
v[i - 1] = d['key' + str(i)]
return v
udmap_train = pd.DataFrame(train_data['udmap'].apply(udmap_onethot).tolist(), columns=[f'key{i}' for i in range(1, 10)])
train_data = pd.concat([train_data, udmap_train], axis=1)
udmap_test = pd.DataFrame(test_data['udmap'].apply(udmap_onethot).tolist(), columns=[f'key{i}' for i in range(1, 10)])
test_data = pd.concat([test_data, udmap_test], axis=1)
3. 针对 “数值类” 特征的数据处理：
可以通过寻求最值、频率等方式补充特征；另外值得说明的是，不要忽略一些统计学特征：如中位数，方差等。
4. 特征缩放、标准化、归一化：
① 特征缩放：在本次项目实践中，我运用到 “特征缩放” 的工程技巧，这帮助我取得了一些提升：
代码举例：
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_val_scaled = scaler.transform(X_val)
X_test_scaled = scaler.transform(X_test)
② 标准化及归一化：在做数据特征的比较、挖掘新特征时，有时， “数据尺度” 可能会带来很大影响，通过以上技术可以修正
5. 模型构建 && 交叉验证：
采用 “决策树” 及 “随机森林” 建立模型，最后使用 “交叉验证” 技术，有效提升了一部分 f1 - score。
说明：trick：建议先用较大的的学习率、较小的 k 值去进行训练，最后提分再使用较大的 “k折交叉验证” ，这样实验流程将更为流畅，测试机会将会更多。
6. 避免 “过拟合” ，我做了哪些尝试：
① “过拟合” 的定义：模型过于复杂，泛化能力差（多次实验的平均结果：f1-score 验证集 集中为：0.75；f1-score 训练集接近：0.99，明显过拟合）；
② 决策树相关：限制决策树训练深度，调整分裂的叶片数量，早停策略；
③ 特征相关：设置一个阈值，去除贡献度较低的那些特征条目，并重新进行模型迭代训练；
④ 集成模型：通过 “voting” 或 "stacking" 技术，训练并集成多类模型，提升模型决策时的泛化能力；
⑤ 数据增广：之前做过的一个 cv 项目给我的经验，因为可推断：本项目测试集正负样本数极不均衡，可采取：过采样、欠采样、合采本，进行 “样本均衡”。
（推测：15%为正例，85%为负例）
7. 最后说说感想：
这次的训练营是个非常好的平台，比赛难度有梯度，但对新手也十分友好，可以帮助学习者快速入门机器学习竞赛。
可惜这次的实践时间不太够，我跑到一个差不多的分数就开始没管了，但是每次的分享都认真听了，里面确实很多干货，包括我之前忽略的一些信息，都有了更进一步的认知。
希望下次能认真弄个更好的成绩。
另外，上面加粗的字体都是可以深入挖掘的，这些技巧虽未给出相关代码，但是都是我亲身尝试过的可提分策略。