今年KDD cup由阿里巴巴天池承办，比赛的题目是预测汽车通过高速公路闸口的时间，以及高速公路入口到闸口的车流量，这是一个时间序列预测类的问题，同类问题很多都属于经济学方面。

预测方法就是提取前6个时间段的信息，预测后6个时间段的结果。训练数据量大约3个月左右。

这题麻烦在从题目中的各种表格中提取特征，以及预测时训练集合的组成（究竟用每个路口的数据预测，还是一个路口一个路口来训练预测）。很明显比赛题目中的缺失数据是硬造出来了，给数据整理带来了不少麻烦。

灰师弟和我一起参加了比赛（分别做1，2题，两个人选题不一样），前后一共忙活了20天，他的成绩比我好，mape 0.23 我的在0.3到0.6之间徘徊 _-_。

废话不多说，总结一下从中学习到了什么新东西：

1. 比起R，python在机器学习方法上的包内容更全面，也更好掌握
2. 完整的实现了R中xgboost方法的tune步骤，借鉴了这个脚本，比caret包好用。
3. objective function 几乎忘光了，要重新捡起来，我觉得构造这个方程很有意思。
4. 关于一个一个路口预测还是整体一起预测的问题，整体一起预测的效果会好一些。
5. 有一个同boosting相关的时间序列包叫forecastxgb，官方推荐的入手点，测试了一下，计算速度慢，结果也不好。

最后还要唠叨一句，十年河东，十年河西，今年的KDD cup平台不好用，选手登录都不方便。论坛里各种中文发帖交流，我估计都没几个外国选手参加。最后还出现了竞赛“丑闻”，不知道是不是有人蓄意抹黑还是真的有这种事情发生。

数数据竞赛，还看Kaggle！