20190712-0717 蚂蚁金服夏令营心得
1. 开营
开营前，参加了班委，报名了支付宝分会场的主持。开营前的一周里，和HR、女主持筹备分享会，和班委们商量组织分工。
开营当天上午的大场，第一次在蚂蚁近距离见到大佬们，听他们的分享。
体会：
-
创业精神，忧患意识：来蚂蚁有2个月了，最大的感受是：蚂蚁内部非常有活力，这里像是个大平台，每个团队都保持着创业精神，时刻为生存和发展拼搏着，毫无懈怠。今天见到鲁肃和王维，了解了他们遇到的坎坷，他们对追求的执著。包括下午场的管仲，这些10年以上工龄的大佬们，有着强烈的忧患意识，让我想起马老师曾说，‘每天晚上都担心阿里巴巴被新公司赶超’。这让我相信，阿里是一个值得留下奋斗的地方。
-
工作与生活的平衡？ 996ICU最近很敏感，会上有同学间接提问了工作和生活的平衡问题。这也是我HR面的一个问题。17年18年还在和导师、师兄弟创业的时候，也是持续的高强度工作。18年有段时间身心俱疲，身体情感同时受挫。过年的时候在家里放空地躺了很多天。突然觉得，人吃饱了最大的敌人就是空虚。既然起始状态是空虚，为什么不做一些事，给自己的时间赋予一点意义呢。人最怕的不是996，不是加班不给钱。而是没有目标，没有方向。17年创业起航的时候，10-12-7 我也很快乐。
王维大佬过年不回家，闭关赶项目的时候，不会想着这是加班，他说的求之不得锻炼机会。管仲大佬来回出差不回家，被老婆约谈，此后每月坚持带老婆看电影，做到老婆电话一定接。所以工作和生活的平衡在于自己的取舍，在于明白自己要什么。也许刚毕业想拼命学习成长，也许趁青春想浪到崖下海边。但有一点，公司的利益、团队的利益和个人的利益要一致，在工作中要能够成就自己。 -
抽离的能力 有同学问，工作中有时看问题的层次不同，产生定位模糊和认知失调怎么办。霂霂说，要会抽离。在你非常投入一件事，一个领域，一种观点时，要有抽离自己，跳出来看看的力量。自己可能做不到，那就找这样一个帮你抽离的朋友。
-
看山还是山 2个月来我感受到，蚂蚁一直在给大家灌输“个人是个p”的观念，但是另一方面又很关怀员工。大会上有同学提问，很难在最终的方案里实现自己原本的思路和设计，大佬们有这个苦恼吗。大佬们的回答很一致，甚至和我主管私下教导的一毛一样。核心思想就一个，专注于把事做好，实现整体最优。进入一个团队，先认为自己是nothing，然后慢慢承担责任，成为团队的something。做事的人，眼里是目标，是合作。到最后，事做成了，会发现，自己也成了，回到看山还是山。蚂蚁的人，像极了我创业的师兄们啊。
-
终极问题： “来蚂蚁想要的是什么？”
-
另一个师兄被问的：“你的沉淀是什么？”
2. 素拓
每一个素拓游戏都是团队合作游戏。十几个本来陌生的同学，要在短时间内找到自己在团队中的定位，各尽所能，完成每一项挑战。最后一个任务是，在2小时内用pvc管搭建让篮球滚动的过山车轨道，篮球滚过要设计机关用铁丝扎爆气球。一开始我对这个游戏的效果是不包期待的。但是一边做一边佩服大家层出不穷的创意。最终的效果是很震撼的，当篮球从2米高的轨道滚过45米的轨道，一路触发机关刺破气球，真是让人感叹，团队的力量真是超乎想象。
3. Hackathon 支付风险预测
比赛是迷你版本的ATEC，三天时间，每天可以提交4次结果。这也是本菜鸡第一次参加比赛。
历程
方案
收获
- 第一次体验hackathon这类比赛的节奏，跟着博士大佬，学到了这类比赛的一般步骤：数据分析–特征选择–特征工程–模型调优–模型融合。
- 数据分析，特征选择。 在比赛一开始，在不知道该剔除什么特征时，可以简单的把缺失率高的剔除，先尽可能保留特征，去训练模型拿到第一次测试结果。这样后续筛选特征可以有对比，不浪费提交机会。 学习到，通过数据缺失情况、图表看分布、相关性分析、显著性分析挑选特征。有些特征同时缺失，有些特征缺失率大，都要筛选。分析训练特征和测试特征的分布，剔除分布相差悬殊的。分析特征和label的相关性，可以剔除不相关特征。分析特征之间的相关性，剔除相关性高的。PCA用于降维度
- 缺失值处理。 比赛的开始，可以尽快用简单补充方式拿到模型结果。可以统一按最小值填补，或者离散数据按一个新标签填补，连续数据用众数、中位数、均值填充等。实践证明，填补方式对结果影响不大，可以不区分的用最小值填补。对于lightGBM和XGBoost, 使用自带的缺失值处理方法更好。
- 训练数据。 训练数据样本不均衡的问题，可以通过降采样或者过采样处理。比赛的数据是两个月的用户行为特征，特征在时间维度上分布差异大，比较训练集和测试集，决定取第一个月的数据做训练数据。数据正负样本比大概是1：20。保留所有正样本，负样本随机1：3采样。也可以按日期均匀采样，可以先聚类再采样。
- 模型训练。 训练单个模型，本地结果尽量不要过拟合，用K折叠交叉验证，避免在训练集上ROC很高。调参的时候可以尝试sklearn的自动调参包。最后模型融合非常有用。RF/Adaboost/lgbm/xgboost 本地单独测试时得分只能到0.4左右，融合后能到0.5~0.6。融合方式，有直接取平均，有众数投票。
- 反思 整个过程，各位队友都尽心尽力，我和博士是本组仅有的2个相关算法同学。博士大佬每一步都进行的有条不紊，而且对负责的模型优化迭代了很多版本。 我缺浪费了很多时间才进入状态，而且因为手忙脚乱，在notebook里没有版本管理，出了2版融合到0.58的结果后，丢失了使用的特征组合，本地精度跌了0.1。提交里基本都是靠博士提供的模型版本拉分。最后一次提交，没有提升分数，我们从第9掉到了第16。虽然大家都相互鼓励，但是我内心还是很挫败很自责。做为算法的同学，如果早一天准备比赛进入状态，就能不拖博士的后腿了，第二天就应该能开始模型融合。另一方面，直到最后，博士还在查资料/尝试新的方法，想要优化模型，队长和队友也在抓紧最后的2个小时，分析数据分析特征。大家想要超越自己的气氛还触动了我，让我找到高中一起参加竞赛的感觉。好好学习，不就是为了和这样可爱的人一起共事嘛！
结语
在来蚂蚁之前，我舍不得上海，未曾拿起，无所畏惧。来到蚂蚁，认识了许多朋友，产品的小哥哥小姐姐们，hackathon的队友们，整天讲段子的师兄们，每一个人都是我留下的理由。短短2个月，拿起了许多，舍不得放下。转正还是要看我和公司是否相互契合，不论能否留下，都会是适合自己的道路吧。