摘要：通過海拔坡度到水源的距離地塊位置等特征項，對地塊植被的類型進行預(yù)測個類型。競賽結(jié)果提交請選手利用建立的模型對每階段提供的預(yù)測數(shù)據(jù)集中的地塊植被類型列進行預(yù)測類，預(yù)測結(jié)果按如下格式保存成格式提交。

參加佛山互聯(lián)網(wǎng)協(xié)會建模大賽，主題為植被類型預(yù)測，數(shù)據(jù)量分3個階段，10/15/15萬左右的放出，暨大教授在里面加了噪音，但我EDA沒做得很好；因此只拿到26名；

訓練環(huán)境：WIN7,16G內(nèi)存，Rstudio，xgboost，CV交叉驗證；耗時比較久，因為用for語句；
最高成績加權(quán)F1值只有0.69，Kaggle實測成績0.72；
腳本和訓練過程見下面notebook；

鏈接描述

去聽前11名理論賽演講，其實大家用的都差不多，還有人會用并行結(jié)構(gòu)；用spss做更多eda；

大賽規(guī)則：
“數(shù)創(chuàng)嶺南”職工技能賽賽題介紹與數(shù)據(jù)下載下載數(shù)據(jù)
1
賽題介紹

  隨著計算能力、存儲空間、網(wǎng)絡(luò)的高速發(fā)展，人類所積累的數(shù)據(jù)量正在快速增長，而對特定數(shù)據(jù)的分類算法就顯得尤為重要。分類是一項非常有應(yīng)用價值的技術(shù)之一，它的應(yīng)用遍及了社會中的各個領(lǐng)域，尤其是對多標簽分類問題的解決方法，是機器學習中一個重要的研究領(lǐng)域。

2
數(shù)據(jù)集描述

  本次大賽提供數(shù)據(jù)集反映的是不同地塊的植被類型情況。通過海拔、坡度、到水源的距離、地塊位置等特征項，對地塊植被的類型進行預(yù)測（7個類型）。數(shù)據(jù)集中共有 13個特征，由 55 列數(shù)據(jù)組成。

如下圖所示：

字段名稱 數(shù)據(jù)類型 量度單位 描述
Elevation 定量數(shù)據(jù) 米 海拔高度
Aspect 定量數(shù)據(jù) 度 方位角
Slope 定量數(shù)據(jù) 度 坡度
Horizontal_Distance_To_Hydrology 定量數(shù)據(jù) 米 與最近水文特征的水平距離
Vertical_Distance_To_Hydrology 定量數(shù)據(jù) 米 與最近水文特征的垂直距離
Horizontal_Distance_To_Roadways 定量數(shù)據(jù) 米 與最近道路的水平距離
Ground position 定性數(shù)據(jù) a-l 地塊位置
Hillshade_9am 定量數(shù)據(jù) 0至255的索引 早上9:00光的投射度（夏至）
Hillshade_Noon 定量數(shù)據(jù) 0至255的索引 正午光的投射度（夏至）
Hillshade_3pm 定量數(shù)據(jù) 0至255的索引 下午3:00光的投射度（夏至）
Horizontal_Distance_To_Fire_Points 定量數(shù)據(jù) 米 與最近燃火點的距離
Wilderness_Area （4個二元列） 定性數(shù)據(jù) 0或1（缺失/存在） 荒野地區(qū)等級
Soil_Type （40個二元列） 定性數(shù)據(jù) 0或1（缺失/存在） 土壤類型等級
Cover_Type （7種） 整數(shù) 0至7 地表覆蓋類型
3
數(shù)據(jù)集提供方式

  這是一個模擬真實情況的過程，數(shù)據(jù)是分階段提供的，并且包含約1‰~2‰的噪聲值。每個階段，會提供不等數(shù)量的訓練和預(yù)測數(shù)據(jù)集，選手通過訓練數(shù)據(jù)進行建模、優(yōu)化算法，并在測試集進行預(yù)測，每個階段的預(yù)測準確率都將計入第一輪實操賽的總成績。

· 第一階段提供10萬條訓練數(shù)據(jù)，預(yù)測2萬條。時間：8月20日00:00—9月5日23:59；
· 第二階段提供12~15萬條訓練數(shù)據(jù)，預(yù)測3萬條。時間：9月6日00:00—9月21日23:59；
· 第三階段提供12~15萬條訓練數(shù)據(jù)，預(yù)測3萬條。時間：9月22日00:00—10月8日23:59。

  建議選手在考慮準確率的同時，需要考慮計算效率（運算時間），計算效率將作為第三輪答辯賽的其中一個評分指標。最終總決賽評委會根據(jù)實操賽、理論賽成績以及現(xiàn)場答辯的表現(xiàn)對選手進行綜合評分。

4
評分標準

  大賽平臺將自動計算每一個階段測試數(shù)據(jù)集中預(yù)測分類的準確率。

  本次采用宏平均值（Macro-averaging）作為各階段的評價指標。

  宏平均（Macro-averaging），是先對每一個類統(tǒng)計指標值（F1-Score），然后再對所有類求加權(quán)（Qi=各類型樣本量占比）平均值。


  在第一輪實操賽的三個階段，將依據(jù)參賽隊伍的預(yù)測準確率（宏平均值）進行排名，準確率越高，則排名越靠前。參賽選手可以不斷優(yōu)化模型，通過平臺提交結(jié)果，每天最多提交3次。

· 第一輪實操賽最終總得分規(guī)則如下：
實操賽總排名按照如下公式計算：

（第一階段預(yù)測準確率30%+第二階段預(yù)測準確率35%+第三階段預(yù)測準確率*35%）

實操賽標準分 = 100-（100*P1-50）/N1，P1為選手在實操賽的綜合排名，N1為參加實操賽的選手人數(shù)。

5
競賽結(jié)果提交
請選手利用建立的模型對每階段提供的預(yù)測數(shù)據(jù)集中的地塊植被類型（BD列）

進行預(yù)測（7類），預(yù)測結(jié)果按如下格式保存成CSV格式提交。

預(yù)測結(jié)果（1/2/3/4/5/6/7）

預(yù)測結(jié)果（1/2/3/4/5/6/7）

預(yù)測結(jié)果（1/2/3/4/5/6/7）

......

預(yù)測結(jié)果（1/2/3/4/5/6/7）