阿里音乐流行趋势预测Datahacker 团队参赛总结.pptx

阿里音乐流行趋势预测 Datahacker 团队参赛总结;金陵书生欧阳志友 南京邮电大学教师、在读博士 特征工程、数据探索 强力Supporter;目 录;赛题分析;艺人播放量趋势;播放量总和走势;几个基本概念;规则：人为的构造一个非线性函数， 并利用数据集求取参数 模型：利用机器学习方法获得回归函数。;问题一：模式一（播放量的爆发增长）是否可以预测？ 不可;问题二：数据集中其他的信息是否有用？;规则算法;对每个艺人每一天播放量最大的5%用户占播放量的比重做了限制。 由于测评公式的原因，预测量应该就低不就高，一旦远高于实际值，将会极大地影响得分。;事实上，模式二所导致的斜率b是很难回归的。;用了一个替代的指标来进行分类： b1=后30天播放量的均值/前7天播放量的均值。用不同的阈值进行了分类。 不确定的经验：对于百万级别数据量的训练集，组合特征在数百维的量级上，对分类性能有益无害。可以放心的堆特征。请大家斧正。 利用4个GBDT分类器，将艺人分为4组8个类别。 对每个类别分别线性回归出a,b,c三个系数，最终得到4组预测值，分别是pred1, pred2, pred3, pred4。;最后就是对模型进行融合。 阈值为0.96和0.98两个分类器准确率较高，其他两个准确率较低。 对于不同类别的艺人，采用了不同的加权系数。 a3： pred1*0.55+pred2*0.30+pred3*0.16 a8： pred2*0.08+pred3*0.21+pred4*0.70 其他： pred2*0.20+pred3*0.45+pred4*0.34 最终得分：505151。 模型对更换数据集不敏感，对于任意足够大，且总体参数稳定的数据集，都可以稳定的得到领先的分数。 模型对自身参数也不敏感，可以保证参数在一定范围内的变化，得分保持在一个很高的水平上。;;;;重要的事情;We love this game;THANKS