前言
这个系列是我新开的一个专辑，目的嘛，也很明确：最近在实习，然后无所事事，所以打算剩余的时间敲敲代码练手，正好多积累一些特征工程的经验，多撸几个baseline，到时候开学后就有经验可以打比赛了，据我所知现在比较有名的比赛除了Kaggle、天池、科赛还有就是各大互联网公司举办的算法比赛，很多，几乎每个月份都有，只要你想参加，就有机会，有的人选择了直接上手比赛高压之下快速成长，我觉得我离比赛还有一定距离，所以比较倾向于多学习学习，把基础打牢固秋天再说比赛的事情。
既然都说是学习了，所以会多还是模仿的阶段，会多看一些大神的思路，前三期学习，后面会把自己想法加进来，要不然还是学不到东西，哈哈哈，不能偷懒，嘿嘿，但是还是给自己留了三个的偷懒时间。
大神推荐
这个baseline也是参照他的这篇博文：
寒小阳
准备好好看看他写的专栏了，明光村出来的技术有保障，黑一波北邮。
我的实现
github代码请戳这里。
第一次采用决策树，思路比较简单
第二次采用逻辑回归，跟着寒小阳学习到了很多。
第二次使用jupyter notebook打开，就可以了，做比赛一定要学会使用它，真的是很方便
打比赛的思路框架
- 拿到数据后怎么了解数据(可视化)
- 选择最贴切的机器学习算法
- 定位模型状态(过/欠拟合)以及解决方法
- 大量极的数据的特征分析与可视化
- 各种损失函数(loss function)的优缺点及如何选择
人生经验
- 应用机器学习，千万不要一上来就试图做到完美，先撸一个baseline的model出来，再进行后续的分析步骤，一步步提高，所谓后续步骤可能包括『分析model现在的状态(欠/过拟合)，分析我们使用的feature的作用大小，进行feature selection，以及我们模型下的bad case和产生的原因』等等。
- 重视对数据的认识！
- 数据中的特殊点、离群点分析和处理真的太重要了！
- 特征工程太重要了，有些时候甚至比模型本身还要重要！
- 要做模型融合啊！
工具上的不足
现在我喜欢把之前学过的matplotlib包称为工具而非知识，这个东西以前学过，可是感觉在画图的时候还是感觉很吃力，还是的多查官方文档！多查官方文档！多查官方文档！查着查着就熟练了，所以摆脱原来一本书从头看到尾的想法吧，边动手边学习，把知识当成工具才是最高效的学习方法。
还有就是变量名啊，真的要仔细点，调错半天发现变量名写错了，多么心痛，IDE是个好东西，想念～
这篇其实没写什么，因为寒小阳的博文里写的很清楚了，你们还是看他的吧～逃～