零基礎自學兩月後三月三次輕鬆進入kaggle比賽top20小結

記錄下本人飛行器專業（機械加力學）出身：

1.沒有機器學習理論知識（大部分機器學習知識來自知乎）

2.沒有計算機科班知識（只會給CAX軟體做二次開發會寫點python腳本），

3.硬體很差，沒有GPU（只有8G內存條還因為最近漲價捨不得加內存）

如標題所說，零基礎自學兩月後三月三次進入kaggle比賽top20經歷。（純solo，我身邊都是跟我一樣造飛行器的，也沒能跟我組隊的）

本文純粹是國慶無聊，寫出來吹吹牛逼，若有人看到，勿見怪。

第一次參加比賽（18/3274 ,Sberbank Russian Housing Market）差兩名金牌

這是一個房價預測題，我從kernel下載了一個baseline，看到都是把預測目標設置為房屋總價，我想我們平時說房價不都愛說均價多少多少嗎，然後我就改了幾行語句，把目標改為預測均價，再乘以面積。然後我就分分鐘進前20名了~~~~~~~~

第二次參加比賽（209/3835 ,Mercedes-Benz Greener Manufacturing）

回歸題，在參加完房價比賽花了一周玩玩，然後讀完kernel後確定是個下注比賽，從kernel下載了一個baseline，再根據自己分析下了一個把握最大的（改一個數），然後混個銅牌。

第三次參加比賽（20/2623 ,Instacart Market Basket Analysis）差五名金牌

購物籃問題，但是又被轉化成了xgboost問題，還是從kernel下載了一個baseline，然後我看到當時排第一的說F1-score優化對成績提升很高，並有人給了論文，我英語不好懶得讀論文，然後根據我自己的理解寫了一個F1-score優化，然後用baseline的probability，分分鐘就進了25名。這讓我對參加kaggle的人水平產生了懷疑，很難想像比賽進行了兩個月，第一名明確告訴大家寫F1-score優化有用的情況下，居然沒幾個人寫出來，最後還是一個grandmaster公布了F1-score優化代碼，才一堆人分數往上沖的。

第四次參加比賽（20/1095 ,Web Traffic Time Series Forecasting）差八名金牌

時間序列問題，我零基礎，又沒硬體搞神經網路，所以沒打算參加，但是在比賽結束的前一周去瞄一眼發現居然kerne里最好的baseline居然是median。於是我就在最後一個周末用lightgbm做了個預測median的模型，把時間序列題轉化成了回歸題，就這樣居然也拿到了20名。呵呵。。(注:寫文章的時候是13名，最終20名，算是保住了標題)

小結：

1.能連著沒花多多少時間拿top20，還是有點好運氣成分的，並且搞得我現在有點不敢參加新比賽了，怕破壞了我現在看起來不錯的成績。

2.然而又感覺運氣不是太好，連著都是差幾名金牌，要不然該是master了。

3.感覺機器學習和我現在從事的CAE工作差不多，都是用別人的黑盒子加一點自己的二次開發，最後拼的還是人的體力、機器的算力和人對理論使用的經驗（不是推導是使用）。

4.xgboost真是大大降低了機器學習的門檻，對於新手比較難搞得「缺失值」，「歸一化」，「調參」

都解決的很好。可以讓我這種新手都毫不費力的和其他人站在一個起跑線上，哈哈！

PS:

看知乎上都說kaggle對找工作有幫助，那像我這種拿了三個solo top20，但事實上卻不懂機器學習理論和數據結構演算法的可以轉行嗎?~~~~~~~~~~