谁说这道题太难玩？看完师哥秘籍，你再试试？

《淘宝穿衣搭配算法》于上周正式启动评测，在与选手们的交流中，不少同学也提到本道颇有难度，于是，天池师哥整理了一些关于这道赛题的建议及以往的经验总结，希望能够给同学们一点启发。


淘宝作为国内最大的电商平台，其中所蕴含的业务逻辑往往也是十分复杂的。本次比赛的题目是由淘宝推荐算法团队在淘宝业务中抽象出来，选手在比赛中面对的场景也是淘宝算法同学所面对的场景。做data science，不必担心场景多复杂，门槛多高，只要有大规模的数据，计算资源，就有data science发挥的空间。穿衣搭配是很新颖的课题，部分同学看到比赛的数据和题目会感到新鲜又陌生，这也意味着比赛更好玩，更具有挑战，选手做比赛过程中的收获也更大。


以下为几点建议，仅针对于思路不清晰的同学：


1）注重数据分析，理解业务
在做比赛前可先对数据做一些简单的统计，加深对数据及所对应业务的理解，多实践，寻找一些可突破的点，这也是做特征工程前重要的工作。


2）优化代码，快速迭代
快速迭代可以加快算法优化的效率，选手可线下自己划分训练集，测试集，建立线下评测逻辑。FAQ中可知赛题在选取test_items时对商品类目进行了过滤，选手可按照逻辑在dim_fashion_matchsets中选取线下test_items，划分线下训练集测试集，通过搭配关系构造答案集。注意逻辑正确，否则容易造成线上线下效果相差很大，过拟合等情况。


3）合适模型，由简入繁
可从不同角度对问题进行分析，由简单入手，逐渐建立合适的模型，用好类目，行为，terms等文本信息，再进行图像信息的挖掘，或组内分工完成。例如常用的分类模型，LR，决策树，随机森林等，可将每个搭配pair当作正样本，选取负样本，提取特征，进行训练预测。同时看到用户行为数据可能会想到商品间的协同过滤，关联规则挖掘，看到terms可能会想到文本挖掘的方法，tf－idf，word2vec，主题模型等，看到图像数据可进行特征抽取，CNN等。希望同学们可以不局限于以上提到的模型和思路，多多实践，创新出优质的算法模型。


4）团队合作，多多交流
注重团队合作，组内合理分工，规划时间节点，组间相互交流，共同提升。


作为也曾经参加过比赛的师哥，还有一些心得：坚持做一次完整比赛，遇到问题不退缩，不断学习挑战克服困难，解决比赛中遇到的种种问题，一定会使自己的算法能力和工程能力都有很大的提升，同时也可以结识很多志同道合的朋友。做比赛，是一段非常难忘的经历，也是在学校了解业界的捷径。只要肯坚持努力，一定会收获很多！
最后预祝各位同学在比赛的过程中可以提升能力，结识同道中的朋友，取得好成绩。最重要的，玩的开心～




来自天池师哥
2015/9/29