菜鸟机器学习随笔（一）

    第一次写博客，也不知道写些啥，记录一下最近的机器学习感想，由于本科对机器学习比较感兴趣，但是本科的课程比较少与机器学习相关，所以就选择了考研，所幸，如愿以偿，进入到了高中时候的梦想学校，7月份就提前来到了学校，在导师的安排下，参加了一个工业大数据比赛，这个比赛可谓是一波三折，从对比赛的项目了解的越深，对这个比赛就越难以进行，题目的BUG太多，给出的训练数据太少，且数据的质量比较差，在小组成员以及导师的多番讨论下，都认为此题从各个角度都无从下手，也就是无法从传统的解题思路着手，主办方给出3个风机的全部数据，12号风机无故障，23号风机跟29号风机有故障，但是23号跟29号数据差异性非常大，虽然给出的是时间序列数据，但是却不能从时间序列的角度解题，这三个风机都是不同年份不同月份的数据，且采样周期也不一致，主办方需要我们根据训练数据，训练模型，来预测测试风机的高危区间，高危区间只有一个，也就是预测t2-t1，在预测时，只能根据前面的数据来预测后面的数据，在此题当中，t1比较容易确定，主要是不能确定t2，因为t1是在风机齿形带断裂前时刻，数据有明显特征，但是整个高位区间的数据与非高位区间的数据没有明显差异，且整体上来看，大部分特征呈现周期性变化，不好学习模型，学的的模型泛化性能比较差，且收敛性也比较差，试过各种算法，没有明显效果，我们是通过打标签的方式，将高危区间分为类别1，把非高危区间划分为类别0，然后训练分类器，不管是用23来预测29还是29预测23，效果都非常差，由于初赛阶段出现了非正常高分，在复赛阶段，又调整的比赛规则，测试数据将不再是某一个风机的全部数据，只是在每一个风机中随机截取一段10000左右的数据，然后预测接下来49625条数据中是否有齿形带断裂，如果有，预测齿形带断裂的位置，也就是t0的位置，比赛规则发生了比较大的变动，较之前合理些，但是由于没有相应的给出训练数据，难度更大，无从下手，总之觉得这个比赛有点坑，导师建议我们暂停这个比赛，但是我们组成员仍然想试试，毕竟也花了差不多两个月时间，总想做出点成绩