第四届泰迪杯技能赛a题解题思路

第四届泰迪杯技能赛a题解题思路问题一、筛选重要指标，本质上是一个数据降维问题。

首先应该考虑指标与指标间的相关性，据此筛选；其二考虑指标对FLAG的决定性，据此筛选。

前者本文用了偏相关分析、后者本文结合决策树模型，进行递归删除特征，并比较删除前后模型效果是否降低，来考虑时候确认或回滚删除操作。

问题一需要注意，在使用递归删除特征时，训练决策树时，样本的类别不均衡问题。

难点在于对数据的预处理，不单单要宏观地扫一眼，而且要细致去发现。

问题二、求制造业内，第六年（发布数据应是第七年）造假的企业。

如何分析呢？机器学习、深度学习皆可。

问题二的难点在于如何写得出彩。

神经网络人人会，就看你怎么玩出花样。

根据“没有午餐定则”嘛，大家可以在模型的超参数，和模型选择上下功夫，多说多写。

本文用的网格寻优加交叉验证，筛选模型、超参数。

问题三、制造业的数据量大，可以分析。

而问题三行业多、数据却少。

对于那些数据量多的行业，大可使用问题二的方法分析。

但数据量小的，可以考虑用聚类合并，再用第二问的方法。

这题难点在于编程吧，感觉问题二写得太麻烦，问题三就够你受的。

给一点建议就是：照着题目顺序做，先仅对制造业分析，再修改成for循环。