這個比賽是我的第一次機器學習比賽，成績還算湊合，第一賽季mse67w多，勉強進了第二賽季，第二賽季mse在4w8，和前面的大神差了快一倍，總結這次的比賽，為之後打好基礎。
剛接觸到題目的時候，完全沒有思路，匯入資料，用matplotlib畫了圖看了下資料曲線；
最初的想法是利用day_of_week來擬合七條曲線進行預測，但是對於預測演算法毫無思路。
後來在技術圈看到了麻婆豆腐大佬的分享，按照他的程式碼，依葫蘆畫瓢，用加權平均的方法提交了第一次結果，mse88w,效果在當時還可以；
之後嘗試了金融上常用的arima模型，但是對於arima的理解不夠深入，加上使用了每天的上牌數作為特徵，導致資料中存在大量的極端值，模型訓練的不好，mse在141w；
後來在寫基金申請的時候，接觸到了lstm長短期記憶網路，本打算使用lstm做一下嘗試，後來因為趕基金的申請加上過年期間評測關閉，也就放棄了；
過年後評測開始前，在某群裡和別人尬聊，知道了活動行為認知中常用的提取時序特徵的庫tsfresh，閱讀了官方文件後，簡單的做了一下，mse在91w；
最後成為了進第二輪，做了最後的嘗試，利用day_of_week推日期，提取了year，month_of_year，day_of_month,season，ten_day(上中下旬)；並利用xgboost建模，第一賽季B榜mse在81w左右，最後一天，有提取了在每個法定假日前一天、後一天的特徵，最終mse到了67w,僥倖進了第二賽季；
第二賽季使用之前的特徵，加上在法定假日的工作日的特徵，使用xgboost和lightgbn分別進行訓練，最後將兩個的結果作為特徵輸入到xgboost，做模型融合，最後的分數在4w8；
比賽結束後，看了成績比較好的人分享，差距主要在特徵工程上面，根據有限的資料，提取的特徵比我提取的多，甚至考慮了農曆年的特徵；
需要改進的地方：
1.對於xgboost和lightgbm的理解以及調參；
2.對於不同的模型都閱讀一下paper，加深理解；
3.爭取早日看完周志華老師的《機器學習》
以後的工作：這次的比賽結束後，報名了ijcai和阿里媽媽聯合主辦的廣告預估率的比賽，這次的比賽應該有很多大佬參加，希望能再接再厲們爭取繼續苟進第二賽季