打醬油參加了天池工業ai大賽1，當然沒拿到獎，看決賽答辯直播時見識到了大佬們的各種思路，真是大開眼界。記錄一下，留給以後參考。
1. 特徵構造
這個是相當重要的
第一名那個女孩子並沒有用什麼高深的方法，但是對特徵挖掘的特別好，並且提到我們可能要 「人工」智慧型，即是人為創造資料。1）通過每個特徵原始值與均值的差異，差異的絕對值構造。2）通過可能特徵的四則運算構造特徵（當然，這是剔除掉部分原有特徵後進行的，否則維度也太大了）。
2. 抗過擬合
由於大家主要使用的是皮爾森相關係數篩選的特徵，那麼確定相關係數(實際使用的是相關係數的絕對值)閾值就尤為重要。有個男孩子發現線下cv值並不隨著閾值線性變化，而是表現出w型的變化趨勢，即mse在兩個閾值的時候都較低。所以，他分別使用這兩個閾值標準篩選得到的訓練資料建模、**，對這兩個模型融合（有可能直接用的平均，我忘記了）。
另外乙個團隊使用了深度學習的方法來做，原理可能是新增隨機雜訊什麼的，具體我又忘記了。
3. 缺失值處理
其中乙個男生使用的確實值處理方法可能有助於提高模型表現，他沒有使用均值或中位數對缺失值進行處理，而是未對缺失值進行填充，使用了允許缺失值存在的xgboost模型。此外，有一些特徵值為「0」的資料經判斷後應該是機器上傳過程中出現了錯誤等，他也把這些轉化為了缺失值。
↩
天池 全球人工智慧技術創新大賽 熱身賽二
day 1 配置執行環境 熟悉baseline torch 1.6.0 torchvision 0.7.0 安裝指令 建立環境 conda create name pytorch 1.6.0 python 3.6conda install torch 1.6.0 torchvision 0.7.0 ...
工業大資料應用的三大挑戰和五大商業趨勢
在裝置執行的過程中，自然磨損本身會使產品的品質發生一定的變化。通過資訊科技 物聯網技術的發展，通過感測器技術，實時感知資料，知道產品出了什麼故障，需要配件，使得生產過程中的這些因素能夠被精確控制，從而真正實現生產的智慧型化。一定程度上，工廠 車間的感測器所產生的大資料直接決定了 工業4.0 所要求的...
第五屆星創師智慧型創業大賽圓滿落幕
9月21日，以 in科技，創未來 為口號的第五屆星創師 智慧型創業大賽圓滿落幕。本屆大賽由新松機械人公司發起，並得到美國機械人產業協會 中國機械人產業聯盟 中國科學院智慧型製造及機械人技術創新與產業化聯盟的指導，星智匯創業孵化平台 啟迪之星 香港科技園作為本次大賽的組委會單位，積極組織並舉辦了本屆大...