2020_DCIC_TianChi

2020数字中国创新赛-阿里天池-智慧海洋建设，64/3275

赛题说明

• 本赛题基于位置数据对海上目标进行智能识别和作业行为分析，要求选手通过分析渔船北斗设备位置数据，得出该船的生产作业行为，具体判断出是拖网作业、围网作业还是流刺网作业。初赛将提供11000条(其中7000条训练数据、2000条testA、2000条testB)渔船轨迹北斗数据。
• 复赛考虑以往渔船在海上作业时主要依赖AIS数据，北斗相比AIS数据，数据上报频率和数据质量均低于AIS数据，因此复赛拟加入AIS轨迹数据辅助北斗数据更好的做渔船类型识别，其中AIS数据与北斗数据的匹配需选手自行实现，具体细节复赛开赛时更新。同时，希望选手通过数据可视化与分析，挖掘更多海洋通信导航设备的应用价值。
• https://tianchi.aliyun.com/competition/entrance/231768/introduction

初赛B榜 62/3275 | 复赛B榜 Rank64 | 祈祷落幕时

文件目录

Season1：初赛

• Data.py: 对每个渔船数据的粗糙处理以及合并
• Data_Preprocess.py: 数据清洗以及时间特征工程
• main.py: 特征工程以及模型训练

Season2：复赛

• Data.py: 对每个渔船数据的粗糙处理以及合并
• Data_Preprocess.py: 数据清洗以及时间特征工程
• xgb_model.py: 特征工程以及模型训练

特征构造：其实都是一些简单的特征构造(..)

具体的特征代码里面都写的比较清楚了，就不赘述了，几个有意思的提分点：

• 初赛数据，清洗的时候只保留了速度在(0,10]之间的数据，筛掉了许多无用数据，有提分效果；但在复赛测试集存在一些渔船速度恒为0，就没有做这个清洗
• 发现初赛的渔船中有几艘渔船一直没动，且坐标都是(6165599.368591921，5202659.922186158)，盲猜是港口点，这里构造了相关距离特征
• 初赛用了embedding提分效果很差，赛后听大佬说用这个是一个稳定得分点，可能是自己使用的方法有问题
• 复赛针对数据类别不平衡的问题，重采样小类别，填充特征缺失值，这几处可能是基本操作不过也提了一些分数
• 初赛过细的绝对位置会掉分，复赛使用差分特征能提分，说明本题绝对特征钻太深可以会陷进去，毕竟本身是时空数据，赛后也从大佬的分享中证实了，不过自己太菜不知道怎么做相对特征orz

总结

这是自己第一次参加这样的数据挖掘算法赛，感觉还是学到了很多知识和技巧的，感恩。之前一直觉得别人打比赛好厉害啊，望而却步。现在自己参加了以后觉得自己真的菜，前排大佬比想象中的还要厉害，万幸可以多学习学习思路和技巧自己也是还有进步空间的嘛=w=