滑天下之大稽

最终成绩：12 / 10000+比赛地址：https://algo.qq.com/index.html源码：https://github.com/LogicJake/Tencent_Ads_Algo_2020_TOP12 今年腾讯赛一改往年机器学习为主流的状况，纯 id 数据导致特征工程的发力点弱化，整场比赛变成了一场深度学习比拼。不过感谢腾讯提供的机器（Tione真香），降低了参与门槛。 阅读全文…

最终成绩：Full榜15，Half榜13比赛地址：https://tianchi.aliyun.com/competition/entrance/231785/源码：https://github.com/LogicJake/2020_KDD_Debiasing_TOP13 赛题背景该挑战着重于曝光的公平性，即推荐过去很少曝光的项目，以对抗在推荐系统中经常遇到的 Matthew 效应。特别... 阅读全文…

最终成绩：62 / 2776比赛地址：https://tianchi.aliyun.com/competition/entrance/231784/introduction源码：https://github.com/LogicJake/competition_baselines/tree/master/competitions/tianchi_car_sale/final 比赛介绍本次新人赛... 阅读全文…

最终成绩：优胜奖（TOP 4）比赛地址：https://gslab.qq.com/html/competition/2020/index.htm源码：https://github.com/LogicJake/2020-gslab-ml-top4 赛题背景在游戏中，有一些人或组织，通过非法手段获取大量游戏内金币物品等资源，这就是打金工作室（Gold Farming）。他们一般拥有大量帐号，使用外挂或挂机软件批量进行游戏行为，破坏游戏经济系统，影响玩家游戏体验。可自行搜索打金工作室相关资料，了解他们是如何运作，游戏方如何打击，他们又是如何逃避打击的。 竞赛目标使用 2020年03月01日的数据(含标签) 来训练识别打金工作室的模型。用此模型, 预测2020年03月05日的打金工作室。取当日login或logout中出现过的帐号，判断这些帐号中哪些是打金工作室。 衡量标准得分 = 4PR / (P+3R) P为准确度, 即提交结果有多大比率是真正的工作室R为覆盖率, 即提交结果覆盖了全体工作室的比率 阅读全文…

最终成绩：A, B榜第三。比赛地址：https://www.turingtopia.com/competitionnew/detail/e4880352b6ef4f9f8f28e8f98498dbc4/sketch代码地址：https://github.com/LogicJake/tuling-video-click-top3 赛题背景移动互联网的快速发展，催生了海量视频数据的产生，也为用户... 阅读全文…

最终成绩：线上第六，无决赛。比赛地址：https://www.dcjingsai.com/common/cmpt/%E5%9B%BD%E8%83%BD%E6%97%A5%E6%96%B0%E7%AC%AC%E4%BA%8C%E5%B1%8A%E5%85%89%E4%BC%8F%E5%8A%9F%E7%8E%87%E9%A2%84%E6%B5%8B%E8%B5%9B_%E7%AB%9E%E8%... 阅读全文…

最终成绩：复赛第二，决赛亚军。比赛地址：http://challenge.xfyun.cn/2019/gamedetail?type=detail/mobileAD 赛题背景讯飞AI营销云基于深耕多年的人工智能和大数据技术，赋予营销智慧创新的大脑，以健全的产品矩阵和全方位的服务，帮助广告主用AI+大数据实现营销效能的全面提升，打造数字营销新生态。 广告欺诈是数字营销面临的一个重大挑战，随着基础技术的成熟化（篡改设备信息、IPv4服务化、黑卡、接码平台等），广告欺诈呈现出规模化、集团化的趋势，其作弊手段主要包括机器人、模拟器、群控、肉鸡/后门、众包等。广告欺诈不断蚕食着营销生态，反欺诈成为数字营销领域亟待突破的关键问题。 阅读全文…

前言这是我接触数据挖掘后的第一个与之有关的比赛，很标准的表格题，业务背景也不复杂，自我感觉非常适合像我这样的新人去完整地了解，熟悉数据挖掘比赛的整体流程。我也是在这次比赛中慢慢了解特征工程的重要性，也了解并应用了一些基础的特征构造方法，也第一次听说并使用（还没探索其背后的原理）那些个 boosting 模型：xgboost，catboost，lightgbm。 阅读全文…

A*寻路算法要解决的问题就是在有障碍物的情况下，如何快速找到一条到达目的节点的最短路径。 把问题抽象成以下场景：在一个由M×N的方块组成的区域中，绿色代表起始点，蓝色代表无法越过的障碍物，红色代表终点。需要注意的是，我们在寻路的时候无法越过“墙角”，对照到下图就是不能走红色路线，必须走蓝色路线。这是因为在抽象场景下，移动物体是无体积所以可以直接沿着红线穿过去，但在实际情况下，比如无人车寻路，考虑到体积因素是无法行进红色路线的，所以在建模的时候需要加上这样的约束条件。当然在不涉及到墙角的情况下是可以走斜线的，这是毋庸置疑的。 阅读全文…

之前博客的服务器不小心被我格式化了，还是搞个静态的托管在 github page 省心。 阅读全文…