这次参加的DataWhale暑期活动，选择的是机器学习方向，上学期学过机器学习，正好再练练手，巩固不扎实的地方，熟悉一下竞赛流程。建议大家使用飞桨平台多核CPU的环境来跑，不然直接跑baseline成绩不理想。这是第一次跑出来不理想的初赛成绩：
赛事链接：challenge.xfyun.cn/topic/info?…
先介绍一下DataWhale：
Datawhale 是一个专注于数据科学与 AI 领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale 以“ for the learner，和学习者一起成长”为愿景，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时 Datawhale 用开源的理念去探索开源内容、开源学习和开源方案，赋能人才培养，助力人才成长，建立起人与人，人与知识，人与企业和人与未来的联结。
大家可以关注DataWhale的公众号和Github，直接搜索即可得到相关结果。
一、赛题介绍
这次是科大讯飞锂离子电池生产参数调控及生产温度预测挑战赛，使用机器学习模型进行预测，学习营提供有baseline，初步目标是跑通，接下来继续优化。简而言之就是给你很多特征，让你根据数据集里的这些特征来进行针对某些特征的预测。
主要目标：预测电炉上下部空间17个测温点的测量温度值（注意是上下部，预测结果有34列）
二、赛题分析
这里baseline的介绍写的非常好，直接引用：
通过电炉空间温度推测产品内部温度，设计烧结过程的温度场和浓度场的最优控制律：
- 任务输入：电炉对应17个温区的实际生产数据，分别是电炉上部17组加热棒设定温度T1-1 ~ T1-17，电炉下部17组加热棒设定温度T2-1~T2-17，底部17组进气口的设定进气流量V1-V17；
- 任务输出：电炉对应17个温区上部空间和下部空间17个测温点的测量温度值。
值得注意的是预测目标为34个，所以需要我们进行34次模型训练和预测。
同时数据规模比较小，可以快速处理数据和搭建模型，对于机器要求8g内存即可。
本次为结构化赛题，包含电炉烧结每个时间段的流量、上下部设定温度，以及预测目标上下部测量温度值。
三、模型介绍
不了解机器学习的同学们可以简要看看，就是一个模型，我们先把训练集的数据喂给它，让它进行训练。经过训练之后，把待预测的数据给模型，给出对应的预测结果。先不要纠结于模型的实现，只要知道它适合我们的任务。
baseline中使用的是LightGBM模型，这个模型在之前机器学习课程中我也使用过，它是也GBDT的一种。
这里简单介绍一下： GBDT (Gradient Boosting Decision Tree) 是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点。GBDT不仅在工业界应用广泛，通常被用于多分类、点击率预测、搜索排序等任务；在各种数据挖掘竞赛中也是致命武器，据统计Kaggle上的比赛有一半以上的冠军方案都是基于GBDT。而LightGBM（Light Gradient Boosting Machine）是一个实现GBDT算法的框架，支持高效率的并行训练，并且具有更快的训练速度、更低的内存消耗、更好的准确率、支持分布式可以快速处理海量数据等优点。
四、主要流程
大部分赛题都是回归问题，针对某些数据进行预测，给出预测结果。预测类赛事的主要流程：
- 准备数据
- 探索性数据分析（EDA）
- 特征工程
- 训练模型
- （可视化模型效果/模型融合）
- 生成最后的预测结果（导出csv文件）
里面的步骤还可以进一步的细化，比如在准备数据的过程中完成训练集的划分，在EDA过程中完成了数据可视化和预处理等。如果能很好的完成每一步，基本上结果不会差，主要是看特征工程了，剩下的就是调参。（当然数据还是王道）
五、针对初学者的建议
进了DataWhale交流群后发现群里大佬云集，当然也有不少像俺一样的萌新小白，也有很多编程经验较弱的朋友，根据上学期机器学习的拷打和自己学习编程的浅薄经验，给出一些可能对刚入门的同学有帮助的建议：
（1）如果没有接触过python编程，但是有其他语言的编程经验，可以在很短的时间内光速上手。我们主要关注于python在机器学习方面的应用，先了解pip和python基础语法，然后再熟悉一下机器学习中常用概念（如什么是特征，为什么要划分数据集等）和机器学习中常用的库（如 sklearn ，tqdm，pandas等），最后熟悉一下竞赛流程，基本足够完成任务了。
（2）如果一点编程经验都没有的话，花上一周时间先入门一下python，了解了语法和关键概念后就能像（1）中一样继续。
（3）小白可以优先直接使用现有平台，简要学习一下平台的环境（类似jupyter notebook）怎么使用，先跑通baseline，不再抱有畏惧，之后再安装conda等。（不过平台有时间限制，还是建议大家自己安装配置环境）
（4）接下来的时间可以细心学习竞赛中的每一步，先不要纠结于各种数学模型原理、底层实现、证明等等。我们先把握住大体思路，先学习数据预处理、可视化分析、特征工程怎么做更好，怎么把模型融合起来，如何防止过拟合等等。接下来的时间我们再慢慢深入学习这些知识，可以看看吴恩达和李宏毅的机器学习课程。
六、总结
这次竞赛用飞桨平台跑通了baseline（真香），回顾了一下机器学习预测的流程，接下来就是仔细精读baseline，不断优化上分。机器学习竞赛和平时的学习还是有区别的，通过竞赛更能好好扎实我们机器学习的功底，欢迎大家一起加入DataWhale，共同学习进步。希望能在这个暑假多多收获，扎实机器学习的基本功，不断成长！
