2018全国高校大数据应用创新大赛（技能赛）

描述

• 训练阶段：组委会提供25000条数据作为训练数据，参赛队伍报名后可从大赛官网下载训练数据集，并进行算法设计、训练和优化。
• 预赛阶段：组委会提供10万条数据作为预赛数据集。参赛队伍使用自己的算法，对这10万条数据进行“优化等级”标注。本竞赛将以优化等级标注的准确率作为选手预赛的得分。
• 分赛区决赛和全国总决赛阶段。组委会提供100万条正式比赛数据，参赛队伍使用自己的算法，对这100万条数据进行“优化等级”标注。本竞赛将以优化等级标注的准确率作为选手决赛的技术得分，结合决赛答辩评出最终名次。
• 详情见 http://117.50.29.62/pc/competition_topic.jsp

环境

数据预处理

• 标签列为数字特征，不做处理。
• 数据中特征列有花色，牌面等信息为字母标注，将其替换成数字特征，模型相对比较容易处理。比如C替换成1，D替换成2等。如下列代码所示：

NAMES = ['col'+str(e) for e in range(11)]
df_train = pd.read_csv('data/train.csv',names=NAMES,index_col=False)
huase_to_num = {
   
   'C':1,'D':2,'H':3,'S':4}
paimian_to_num = {
   
   'J':11,'Q':12,'K':13}
df_train=df_train.replace(huase_to_num).replace(paimian_to_num)

特征提取

• 前10列特阵列的数字特征
• 可以考虑使用交叉列输入神经网络

代码示例如下：

feature_columns = []
for col in NAMES[:-1]:
    feature_columns.append(tf.feature_column.numeric_column(key=col))
feature_columns

模型选择

• 神经网络采用三层隐藏层，神经元个数分别是1536,768,384
• 优化函数采用ProximalAdagradOptimizer
• 学习率0.005
• L1正则化率0.001
• L2正则化率0.001