关于类似比赛的有意思讨论还有很多，大家有时间可以阅读下Home Credit Default Risk比赛中第一名Silogram的帖子：

https://www.kaggle.com/c/home-credit-default-risk/discussion/58332

01

由于我们为每个申请人提供了历史数据，因此这在一定程度上是一个时序问题。这意味着最新数据比旧数据更相关。

02

人们的信用问题有很多随机性，这意味着每折数据之间存在很多差异。尝试不同的K折实验设置，以查看您的模型是否稳定，并且通过更多fold拟合LB分数，我们可以将LB的数据想象成更多的1折数据。有时候可能会出现一个离群值，所以TRUST YOUR LOCAL CV!!!

04

关于数据的一个奇怪之处是，有时候初赛与复赛会给我们提供不同的数据，我们可能不知道为什么会这样，但是研究这些差异可能会带您一些有用的特征。

05

与所有Kaggle竞赛（以及所有机器学习问题）一样，最重要的第一步是获取与测试集匹配的验证集设置。在线下验证值得信赖之前，花时间进行特征设计是没有意义的。这个比较好理解，也是大家经常遇到的一个问题就是“线下分数涨了为什么线上分数没有涨？”，所以我们可以尽可能找到一份可靠的验证集以及评估方法，尽量保证线下线上分数趋势变化一致。