书: https://pan.baidu.com/s/15VfTw9eJ2MoiHktwswP0gw?pwd=tq5x
笔记如下：
- “Kaggle竞赛的核心是数据理解——90%的时间应花在探索性分析（EDA）上。”
- “结构化数据竞赛中，特征工程（Feature Engineering）的贡献往往超过模型选择。”
- “使用
pandas_profiling一键生成EDA报告，快速发现数据分布与缺失值问题。” - “分类任务的评估指标需谨慎选择：不平衡数据用F1或AUC，多分类看LogLoss。”
- “交叉验证（CV）分数比LB（Leaderboard）分数更可靠，避免过拟合公共排行榜。”
- “树模型（如LightGBM）默认参数即可超越线性模型，重点调
num_leaves和learning_rate。” - “神经网络对非结构化数据（图像/文本）优势明显，但需GPU加速训练。”
- “时序预测竞赛中，滞后特征（Lag Features）和滑动窗口统计（Rolling Mean）是关键。”
- “集成学习（Ensemble）通过Blending或Stacking融合多个模型，提升泛化能力。”
- “文本数据需先分词（中文推荐Jieba），再转化为TF-IDF或词向量（Word2Vec）。”
- “图像竞赛中，预训练模型（ResNet/EfficientNet）微调比从头训练更高效。”
- “使用
optuna自动化超参数搜索，替代手动网格搜索（Grid Search）。” - “数据泄露（Data Leakage）是竞赛‘隐形杀手’，需检查时间戳或ID关联性。”
- “类别特征（Categorical Features）必须编码：高基数用Target Encoding，低基数用One-Hot。”
- “模型解释工具（SHAP值）帮助理解特征重要性，增强方案可信度。”
- “比赛后期差异化作弊检测（如Kaggle的‘Prohibited Competition’标记）。”
- “比赛结束后，复盘获胜方案（Winner’s Solution）比名次更重要。”
- “长期竞争力来自工具链沉淀：构建自己的特征库、模型模板和自动化脚本。”
- “入门阶段多参加‘Getting Started’竞赛，积累信心与基础流程经验。”
- “Kaggle的核心价值不是奖金，而是开放社区与实战成长——‘Learn by Competing’。”