最近準備參加一個演算法比賽，想把自己所學的知識拿來用一用，在比賽初始自己沒一點思路，突然看到知乎上有一個大神寫了一篇博文，非常適合我這種剛入門的小白。

不知道你有沒有這樣的感受，在剛剛入門機器學習的時候，我們一般都是從MNIST、CIFAR-10這一類知名公開資料集開始快速上手，復現別人的結果，但總覺得過於簡單，給人的感覺太不真實。因為這些資料太“完美”了（乾淨的輸入，均衡的類別，分佈基本一致的測試集，還有大量現成的參考模型），要成為真正的資料科學家，光在這些資料集上跑模型卻是遠遠不夠的。而現實中你幾乎不可能遇到這樣的資料（現實資料往往有著殘缺的輸入，類別嚴重不均衡，分佈不一致甚至隨時變動的測試集，幾乎沒有可以參考的論文），這往往讓剛進入工作的同學手忙腳亂，無所適從。

Kaggle則提供了一個介於“完美”與真實之間的過渡，問題的定義基本良好，卻夾著或多或少的難點，一般沒有完全成熟的解決方案。在參賽過程中與論壇上的其他參賽者互動，能不斷地獲得啟發，受益良多。即使對於一些學有所成的高手乃至大牛，參加Kaggle也常常會獲得很多啟發，與來著世界各地的隊伍進行廝殺的刺激更讓人慾罷不能。更重要的是，Kaggle是業界普遍承認的競賽平臺，能從Kaggle上的一些高質量競賽獲取好名次，是對自己實力極好的證明，還能給自己的履歷添上光輝的一筆。如果能獲得金牌，殺入獎金池，那更是名利兼收，再好不過。

1 比賽篇

為了方便，我們先定義幾個名詞：

1. Feature 特徵變數，也叫自變數，是樣本可以觀測到的特徵，通常是模型的輸入
   。
2. Label 標籤，也叫目標變數，需要預測的變數，通常是模型的標籤或者輸出。
3. Train Data 訓練資料，有標籤的資料，由舉辦方提供。
4. Train Set 訓練集，從Train Data中分割得到的，用於訓練模型（常用於交叉驗證）。
5. Valid Set 驗證集，從Train Data中分割得到的，為了能找出效果最佳的模型，使用各個模型對驗證集資料進行預測，並記錄模型準確率。選出效果最佳的模型所對應的引數，即用來調整模型引數（常用於交叉驗證）。
6. Test Data 測試資料，通過訓練集和驗證集得出最優模型後，使用測試集進行模型預測。用來衡量該最優模型的效能和分類能力，標籤未知，是比賽用來評估得分的資料，由舉辦方提供。

1.1 分析題目

拿到賽題以後，第一步就是要破題，我們需要將問題轉化為相應的機器學習問題。其中，Kaggle最常見的機器學習問題型別有：

1. 迴歸問題
2. 分類問題(二分類、多分類、多標籤) 多分類只需從多個類別中預測一個類別，而多標籤則需要預測出多個類別。

比如Quora的比賽就是二分類問題，因為只需要判斷兩個問句的語義是否相似。

1.2 資料分析(Data Exploration)

所謂資料探勘，當然是要從資料中去挖掘我們想要的東西，我們需要通過人為地去分析資料，才可以發現數據中存在的問題和特徵。我們需要在觀察資料的過程中思考以下幾個問題：

1. 資料應該怎麼清洗和處理才是合理的？
2. 根據資料的型別可以挖掘怎樣的特徵？
3. 資料中的哪些特徵會對標籤的預測有幫助？

1.2.1 統計分析

對於數值類變數(Numerical Variable)，我們可以得到min，max，mean，meduim，std等統計量，用pandas可以方便地完成，結果如下：

從上圖中可以觀察Label是否均衡，如果不均衡則需要進行over sample少數類，或者down sample多數類。我們還可以統計Numerical Variable之間的相關係數，用pandas就可以輕鬆獲得相關係數矩陣：

觀察相關係數矩陣可以讓你找到高相關的特徵，以及特徵之間的冗餘度。而對於文字變數，可以統計詞頻(TF)，TF-IDF，文字長度等等，更詳細的內容可以參考這裡。

1.2.2 視覺化

人是視覺動物，更容易接受圖形化的表示，因此可以將一些統計資訊通過圖表的形式展示出來，方便我們觀察和發現。比如用直方圖展示問句的頻數：

或者繪製相關係數矩陣:

常用的視覺化工具有 matplotlib 和 seaborn。當然，你也可以跳過這一步，因為視覺化不是解決問題的重點。

1.3 資料預處理(Data Preprocessing)

剛拿到手的資料會出現噪聲，缺失，髒亂等現象，我們需要對資料進行清洗與加工，從而方便進行後續的工作。針對不同型別的變數，會有不同的清洗和處理方法：

1. 數值型變數(Numerical Variable)，需要處理 離群點，缺失值，異常值 等情況，儘管動手去試，numerical填充max ，min，mean ，median std、離散化、Hash分桶，categorical 填充眾數，都拿去訓練 看看哪個效果好。
2. 類別型變數(Categorical Variable)，可以轉化為 one-hot 編碼。
3. 文字資料 ，是較難處理的資料型別，文字中會有垃圾字元，錯別字(詞)，數學公式，不統一單位和日期格式等。我們還需要處理標點符號，分詞，去停用詞，對於英文文字可能還要 詞性還原(lemmatize)，抽取詞幹(stem)等等。
4. 資料取樣，一般用 隨機取樣，和 分層取樣 的辦法。如果正樣本多於負樣本，且量都挺大，則可以採用下采樣（downsampling）。如果正樣本大於負樣本，但量不大，則可以採集更多的資料，或者上取樣 oversampling（比如影象識別中的映象和旋轉），以及修改損失函式/loss function的辦法來處理正負樣本不平衡的問題。
5. 資料歸一化，可以提高梯度下降法求最優解速度，否則很難收斂或不收斂；還可提高模型的精度。資料如何進行歸一化？

1.4 特徵工程(Feature Engineering)

都說 特徵為王，特徵是決定效果最關鍵的一環。我們需要通過探索資料，利用人為先驗知識，從資料中總結出特徵。

1.4.1 特徵抽取(Feature Extraction)

我們應該儘可能多地抽取特徵，只要你認為某個特徵對解決問題有幫助，它就可以成為一個特徵。特徵抽取需要不斷迭代，是最為燒腦的環節，它會在整個比賽週期折磨你，但這是比賽取勝的關鍵，它值得你耗費大量的時間。

那問題來了，怎麼去發現特徵呢？光盯著資料集肯定是不行的。如果你是新手，可以先耗費一些時間在Forum上，看看別人是怎麼做Feature Extraction的，並且多思考。雖然 Feature Extraction 特別講究經驗，但其實還是有章可循的：

1. 對於Numerical Variable，可以通過線性組合、多項式組合來發現新的Feature。
2. 對於文字資料，有一些常規的Feature。比如，文字長度，詞頻，Embeddings，TF-IDF，LDA，LSI等，你甚至可以用深度學習提取文字特徵（隱藏層）。
3. 如果你想對資料有更深入的瞭解，可以通過思考資料集的構造過程來發現一些 magic feature，這些特徵有可能會大大提升效果。在Quora這次比賽中，就有人公佈了一些 magic feature。
4. 通過錯誤分析也可以發現新的特徵（見1.5.2小節）。

1.4.2 特徵選擇(Feature Selection)

在做特徵抽取的時候，我們是儘可能地抽取更多的Feature，但過多的 Feature 會造成 冗餘（部分特徵的相關度太高了，消耗計算效能），噪聲（部分特徵是對預測結果有負影響），容易過擬合等問題，因此我們需要進行 特徵篩選。特徵選擇可以加快模型的訓練速度，甚至還可以提升效果。

特徵選擇的方法多種多樣，最簡單的是相關度係數(Correlation coefficient)，它主要是衡量兩個變數之間的線性關係，數值在[-1.0, 1.0]區間中。數值越是接近0，兩個變數越是線性不相關。但是數值為0，並不能說明兩個變數不相關，只是線性不相關而已；也可用 互資訊、距離相關度來計算。

我們通過一個例子來學習一下怎麼分析相關係數矩陣：

相關係數矩陣是一個對稱矩陣，所以只需要關注矩陣的左下角或者右上角。我們可以拆成兩點來看：

1. Feature 和 Label 的相關度可以看作是該Feature的重要度，越接近1或-1就越好。
2. Feature 和 Feature 之間的相關度要低，如果兩個Feature的相關度很高，就有可能存在冗餘。

除此之外，還可以訓練模型來篩選特徵，比如帶L1或L2懲罰項的Linear Model、Random Forest、GBDT等，它們都可以輸出特徵的重要度。在這次比賽中，我們對上述方法都進行了嘗試，將不同方法的 平均重要度 作為最終參考指標，篩選掉得分低的特徵。

如何進行特徵選擇，可點選這

1.5 建模(Modeling)

終於來到機器學習了，在這一章，我們需要開始煉丹了。

1.5.1 模型

機器學習模型有很多，建議均作嘗試，不僅可以測試效果，還可以學習各種模型的使用技巧。其實，幾乎每一種模型都有迴歸和分類兩種版本，常用模型有：

• KNN
• SVM
• Linear Model（帶懲罰項）
• ExtraTree
• RandomForest
• Gradient Boost Tree 
• Neural Network

幸運的是，這些模型都已經有現成的工具（如scikit-learn、XGBoost、LightGBM等）可以使用，不用自己重複造輪子。但是我們應該要知道各個模型的原理，這樣在調參的時候才會遊刃有餘。當然，你也使用PyTorch／Tensorflow／Keras等深度學習工具來定製自己的Deep Learning模型，玩出自己的花樣。

1.5.2 錯誤分析

人無完人，每個模型不可能都是完美的，它總會犯一些錯誤。為了解某個模型在犯什麼錯誤，我們可以觀察被模型誤判的樣本，總結它們的共同特徵，我們就可以再訓練一個效果更好的模型。這種做法有點像後面 Ensemble 時提到的 Boosting，但是我們是人為地觀察錯誤樣本，而Boosting是交給了機器。通過 錯誤分析->發現新特徵->訓練新模型->錯誤分析，可以不斷地迭代出更好的效果，並且這種方式還可以培養我們對資料的嗅覺。

舉個例子，這次比賽中，我們在錯誤分析時發現，某些樣本的兩個問句表面上很相似，但是句子最後提到的地點不一樣，所以其實它們是語義不相似的，但我們的模型卻把它誤判為相似的。比如這個樣本：

• Question1: Which is the best digital marketing institution in banglore?
• Question2: Which is the best digital marketing institute in Pune?

為了讓模型可以處理這種樣本，我們將兩個問句的 最長公共子串(Longest Common Sequence)去掉，用剩餘部分訓練一個新的深度學習模型，相當於告訴模型看到這種情況的時候就不要判斷為相似的了。因此，在加入這個特徵後，我們的效果得到了一些提升。

1.5.3 調參

在訓練模型前，我們需要預設一些引數來確定模型結構（比如樹的深度）和優化過程（比如學習率），這種引數被稱為超參（Hyper-parameter），不同的引數會得到的模型效果也會不同。總是說調參就像是在“煉丹”，像一門“玄學”，但是根據經驗，還是可以找到一些章法的：

1. 根據經驗，選出對模型效果 影響較大的超參。
2. 按照經驗設定超參的搜尋空間，比如 學習率 的搜尋空間為[0.001，0.1]。
3. 選擇搜尋演算法，比如Random Search、Grid Search和一些啟發式搜尋的方法。
4. 驗證模型的泛化能力（詳見下一小節）。

1.5.4 模型驗證(Validation)

在Test Data的標籤未知的情況下，我們需要自己構造測試資料來驗證模型的泛化能力，因此把Train Data分割成Train Set和Valid Set兩部分，Train Set用於訓練，Valid Set用於驗證。

• 簡單分割

將Train Data按一定方法分成兩份，比如隨機取其中70%的資料作為Train Set，剩下30%作為Valid Set，每次都固定地用這兩份資料分別訓練模型和驗證模型。這種做法的缺點很明顯，它沒有用到整個訓練資料，所以驗證效果會有偏差。通常只會在訓練資料很多，模型訓練速度較慢的時候使用。

• 交叉驗證

交叉驗證是將整個訓練資料隨機分成K份，訓練K個模型，每次取其中的K-1份作為Train Set，留出1份作為Valid Set，因此也叫做K-fold。至於這個K，你想取多少都可以，但一般選在3～10之間。我們可以用 K 個模型得分的 mean 和 std，來評判模型得好壞（mean體現模型的能力，std體現模型是否容易過擬合），並且用K-fold的驗證結果通常會比較可靠。

如果資料出現 Label 不均衡情況，可以使用 Stratified K-fold，分層取樣，確保訓練集，測試集中各類別樣本的比例與原始資料集中相同），這樣得到的 Train Set 和 Test Set 的 Label 比例是大致相同。

1.6 模型整合(Ensemble)

曾經聽過一句話，”Feature為主，Ensemble為後”。Feature決定了模型效果的上限，而Ensemble就是讓你更接近這個上限。Ensemble講究“好而不同”，不同是指模型的學習到的側重面不一樣。舉個直觀的例子，比如數學考試，A的函式題做的比B好，B的幾何題做的比A好，那麼他們合作完成的分數通常比他們各自單獨完成的要高。

1.6.1 Bagging

Bagging是將多個模型（基學習器）的預測結果簡單地 加權平均 或者 投票。Bagging的好處在於可以 並行 地訓練基學習器，其中 Random Forest 就用到了Bagging的思想。舉個通俗的例子，如下圖：

老師出了兩道加法題，A同學和B同學答案的加權要比A和B各自回答的要精確。

Bagging通常是沒有一個明確的優化目標的，但是有一種叫Bagging Ensemble Selection的方法，它通過 貪婪演算法 來Bagging多個模型來優化目標值。在這次比賽中，我們也使用了這種方法。 

1.6.2 Boosting

Boosting的思想有點像知錯能改，每訓練一個基學習器，是為了彌補上一個基學習器所犯的錯誤。其中著名的演算法有 AdaBoost，Gradient Boost。Gradient Boost Tree 就用到了這種思想。

我在1.2.3節(錯誤分析)中提到 Boosting，錯誤分析->抽取特徵->訓練模型->錯誤分析，這個過程就跟Boosting很相似。

1.6.3 Stacking

Stacking是用 新的模型（次學習器）去學習怎麼組合那些基學習器，它的思想源自於Stacked Generalization這篇論文。如果把Bagging看作是多個基分類器的線性組合，那麼Stacking就是多個基分類器的非線性組合。Stacking可以很靈活，它可以將學習器一層一層地堆砌起來，形成一個網狀的結構，如下圖：

舉個更直觀的例子，還是那兩道加法題：

這裡A和B可以看作是基學習器，C、D、E都是次學習器。

• Stage1: A和B各自寫出了答案。
• Stage2: C和D偷看了A和B的答案，C認為A和B一樣聰明，D認為A比B聰明一點。他們各自結合了A和B的答案後，給出了自己的答案。
• Stage3: E偷看了C和D的答案，E認為D比C聰明，隨後E也給出自己的答案作為最終答案。

在實現 Stacking 時，要注意的一點是，避免標籤洩漏(Label Leak)。在訓練次學習器時，需要上一層學習器對 Train Data 的測試結果作為特徵，如果我們在Train Data上訓練，然後在Train Data上預測，就會造成Label Leak。為了避免Label Leak，需要對每個學習器使用K-fold，將K個模型對Valid Set的預測結果拼起來，作為下一層學習器的輸入。如下圖：

由圖可知，我們還需要對Test Data做預測。這裡有兩種選擇，可以將K個模型對Test Data的預測結果求平均，也可以用所有的Train Data重新訓練一個新模型來預測Test Data。所以在實現過程中，我們最好把每個學習器對Train Data和對Test Data的測試結果都儲存下來，方便訓練和預測。

對於Stacking還要注意一點，固定 K-fold 可以儘量避免Valid Set過擬合，也就是全域性共用一份K-fold，如果是團隊合作，組員之間也是共用一份K-fold。如果想具體瞭解 為什麼需要固定K-fold，請看這裡。

1.6.4 Blending

Blending 與 Stacking 很類似，它們的區別可以參考這裡

1.7 後處理

有些時候在確認沒有過擬合的情況下，驗證集上做校驗時效果挺好，但是將測試結果提交後的分數卻不如人意，這時候就有可能是訓練集的分佈與測試集的分佈不一樣而導致的。這時候為了提高LeaderBoard的分數，還需要對測試結果進行分佈調整。

比如這次比賽，訓練資料中正類的佔比為0.37，那麼預測結果中正類的比例也在0.37左右，然後Kernel上有人通過測試知道了測試資料中正類的佔比為0.165，所以我們也對預測結果進行了調整，得到了更好的分數。具體可以看這裡。

2 經驗篇

2.1 我們的方案（33th）

深度學習具有很好的模型擬合能力，使用深度學習可以較快得獲取一個不錯的Baseline，對這個問題整體的難度有一個初始的認識。雖然使用深度學習可以免去繁瑣的手工特徵，但是它也有能力上限，所以提取傳統手工特徵還是很有必要的。我們嘗試Forum上別人提供的方法，也嘗試自己思考去抽取特徵。總結一下，我們抽取的手工特徵可以分為以下4種：

1. Text Mining Feature，比如 句子長度；兩個句子的 文字相似度，如 N-gram的編輯距離，Jaccard距離等；兩個句子共同的名詞，動詞，疑問詞等。
2. Embedding Feature，預訓練好的 詞向量 相加求出 句子向量，然後求兩個句子向量的距離，比如 餘弦相似度、歐式距離等等。
3. Vector Space Feature，用 TF-IDF矩陣 來表示句子，求相似度。
4. Magic Feature，是Forum上一些選手通過思考資料集構造過程而發現的Feature，這種 Feature 往往與 Label 有強相關性，可以大大提高預測效果。
5. 我們的系統整體上使用了Stacking的框架，如下圖：

• Stage1: 將兩個問句與Magic Feature輸入Deep Learning中，將其輸出作為下一層的特徵（這裡的Deep Learning相當於特徵抽取器）。我們一共訓練了幾十個Deep Learning Model。
• Stage2: 將 Deep Learning特徵 與 手工抽取的幾百個傳統特徵 拼接在一起，作為輸入。在這一層，我們訓練各種模型，有成百上千個（通過改變引數麼得到不同種類模型，用hyperopt的預設策略來搜尋引數空間，將中間結果全保留下來）。
• Stage3: 上一層的輸出進行Ensemble Selection。

比賽中發現的一些深度學習的侷限：

通過對深度學習產生的結果進行錯誤分析，並且參考論壇上別人的想法，我們發現深度學習沒辦法學到的特徵大概可以分為兩類：

1. 對於一些資料的Pattern，在 Train Data 中出現的頻數不足以讓深度學習學到對應的特徵，所以我們需要通過手工提取這些特徵。
2. 由於 Deep Learning 對樣本做了獨立同分布假設（iid），一般只能學習到每個樣本的特徵，而學習到資料的全域性特徵，比如 TF-IDF 這一類需要統計全域性詞頻才能獲取的特徵，因此也需要手工提取這些特徵。

傳統的機器學習模型和深度學習模型之間也存在表達形式上的不同。雖然傳統模型的表現未必比深度學習好，但它們學到的Pattern可能不同，通過Ensemble來取長補短，也能帶來效能上的提升。因此，同時使用傳統模型也是很有必要的。

2.2 第一名的解決方案

比賽結束不久，第一名也放出了他們的解決方案，我們來看看他們的做法。他們的特徵總結為三個類別：

1. Embedding Feature
2. Text Mining Feature
3. Structural Feature（他們自己挖掘的 Magic Feature）

並且他們也使用了 Stacking 的框架，並且使用 固定的k-fold：

• Stage1: 使用了 Deep Learning，XGBoost，LightGBM，ExtraTree，Random Forest，KNN等300個模型。
• Stage2: 用了 手工特徵 和 第一層的預測 和 深度學習模型的隱藏層，並且訓練了150個模型。
• Stage3: 使用了分別是帶有 L1 和 L2 的兩種線性模型。
• Stage4: 將第三層的結果 加權平均。

我們模型存在不足：

• 對比以後發現我們沒有做 LDA、LSI 等特徵
•  N-gram 的粒度沒有那麼細（他們用了8-gram），還有他們對 Magic Feature的挖掘更加深入。
• 還有一點是他們的 Deep Learning 模型設計更加合理，他們將篩選出來的 手工特徵 也輸入到深度學習模型當中，我覺得這也是他們取得好效果的關鍵。因為顯式地將手工特徵輸入給深度學習模型，相當於告訴“它你不用再學這些特徵了，你去學其他的特徵吧”，這樣模型就能學到更多的語義資訊。所以，我們跟他們的差距還是存在的。

3. 工具篇

工欲善其事，必先利其器。

Kaggle 的上常工具除了大家耳熟能詳的XGBoost之外, 這裡要著重推薦的是一款由微軟推出的LightGBM，這次比賽中我們就用到了。LightGBM的用法與XGBoost相似，兩者使用的區別是XGBoost調整的一個重要引數是樹的高度，而LightGBM調整的則是葉子的數目。與XGBoost 相比, 在模型訓練時速度快, 單模型的效果也略勝一籌。

調參也是一項重要工作，調參的工具主要是Hyperopt，它是一個使用搜索演算法來優化目標的通用框架，目前實現了Random Search和Tree of Parzen Estimators (TPE)兩個演算法。

對於 Stacking，Kaggle 的一位名為Μαριος Μιχαηλιδης的GrandMaster使用Java開發了一款集成了各種機器學習演算法的工具包StackNet，據說在使用了它以後你的效果一定會比原來有所提升，值得一試。

以下總結了一些常用的工具：

• Numpy | 必用的科學計算基礎包，底層由C實現，計算速度快。
• Pandas | 提供了高效能、易用的資料結構及資料分析工具。
• NLTK | 自然語言工具包，集成了很多自然語言相關的演算法和資源。
• Stanford CoreNLP | Stanford的自然語言工具包，可以通過NLTK呼叫。
• Gensim | 主題模型工具包，可用於訓練詞向量，讀取預訓練好的詞向量。
• scikit-learn | 機器學習Python包 ，包含了大部分的機器學習演算法。
• XGBoost／LightGBM | Gradient Boosting 演算法的兩種實現框架。
• StackNet | 準備好特徵之後，可以直接使用的Stacking工具包。
• Hyperopt | 通用的優化框架，可用於調參。

4. 總結與建議

1. 在參加某個比賽前，要先衡量自己的機器資源能否足夠支撐你完成比賽。比如一個有幾萬張影象的比賽，而你的視訊記憶體只有2G，那很明顯你是不適合參加這個比賽的。當你選擇了一個比賽後，可以先“熱熱身”，稍微熟悉一下資料，粗略地跑出一些簡單的模型，看看自己在榜上的排名，然後再去慢慢迭代。
2. Kaggle有許多大牛分享Kernel, 有許多Kernel有對於資料精闢的分析，以及一些baseline 模型, 對於初學者來說是很好的入門資料。在打比賽的過程中可以學習別人的分析方法，有利於培養自己資料嗅覺。甚至一些Kernel會給出一些data leak，會對於比賽提高排名有極大的幫助。
3. 其次是Kaggle已經舉辦了很多比賽, 有些比賽有類似之處, 比如這次的Quora比賽就與之前的Home Depot Product Search Relevance 有相似之處，而之前的比賽前幾名已經放出了比賽的 idea 甚至 程式碼，這些都可以借鑑。
4. 另外，要足夠地重視 Ensemble，這次我們組的最終方案實現了paper " Ensemble Selection from Libraries of Models" 的想法，所以有些比賽可能還需要讀一些paper，尤其對於深度學習相關的比賽，最新paper，最新模型的作用就舉足輕重了。
5. 而且，將比賽程式碼的流程自動化，是提高比賽效率的一個關鍵，但是往往初學者並不能很好地實現自己的自動化系統。我的建議是初學者不要急於構建自動化系統，當你基本完成整個比賽流程後，自然而然地就會在腦海中形成一個框架，這時候再去構建你的自動化系統會更加容易。
6. 最後，也是最重要的因素之一就是時間的投入，對於這次比賽， 我們投入了差不多三個多月，涉及到了對於各種能夠想到的方案的嘗試。尤其最後一個月，基本上每天除了睡覺之外的時間都在做比賽。所以要想在比賽中拿到好名次，時間的投入必不可少。另外對於國外一些介紹 kaggle比賽的部落格(比如官方部落格)也需要了解學習，至少可以少走彎路，本文的結尾列出了一些參考文獻，都值得細細研讀。
7. 最後的最後，請做好心理準備，這是一場持久戰。因為比賽會給你帶來壓力，也許過了一晚，你的排名就會一落千丈。還有可能造成出現失落感，焦慮感，甚至失眠等症狀。但請你相信，它會給你帶來意想不到的驚喜，認真去做，你會覺得這些都是值得的。

解答

1. 請問在Stacking中，你們如何得知可以這樣組合? 以及如何驗證其效果跟正確度呢?

       對於這個問題我們第一時間想到的是用deep learning，然後再抽手工特徵，這就組成了stage1，在stage2的時候想要發揮stack的能力當然是要上非線性模型，然後在進入stage3，而stack層數越深，所用的模型需要更簡單，不然很容易過擬合，因此用了bagging ensemble selection，當然你也可以像第一名的做法，去訓練帶懲罰項的線性模型。至於magic feature為什麼要放在deeplearning的輸入，那是因為我們發現deep learning會容易過擬合到某些特徵，加入magic feature可以顯式地告訴它“你已經有這些特徵了，你可以去挖掘其他的語義特徵”，其實你甚至可以把所有的 手工特徵 也加入deeplearning的輸入，這樣效果可能會更好，第一名就是這麼做的。

         如何驗證stacking的效果，很簡單啊，用那份固定的kfold做交叉驗證。但是要注意，stacking有過擬合到  valid set 的風險，所以最好的評判當然是leaderborad啦。

2. stage2中的非線性模型，是任何的非線性模型皆可嗎? 還是需要數學驗證呢?  

使用 Ensemble 的時候祕訣就是多嘗試，不能吊死在一棵樹上，如果你認為xgboost是裡面表現最好的，不需要嘗試其他模型了，那就太可惜了。我們不能保證一種模型一定能夠學習到所有的方面，所以需要去嘗試其他模型，儘量讓學出來的模型好而不同，這樣可以讓各種模型發揮自己的長處。所以，不僅僅是非線性模型可以，就算是線性模型也可以，當然我們還要考慮時間、資源等因素進行一些取捨。

如果我們追求的只是實用性和準確性，只要實驗的效果出色即可，如果要嚴謹地用數學證明再去使用，說不定等你證明完比賽已經結束了。

每次學習感覺都醍醐灌頂，在此感謝知乎大神分享

參考文獻：