• 代码文档

  wepon，charles，tianyin 每个文件夹存放每个队员的代码，文件夹下有简要的说明文档，代码注释较为详细，可以参考。

• 运行顺序（第二赛季）

  • 运行 wepon/season two/extract_feature.sql 进行数据集划分、特征提取、生成训练集和测试集。
  • 运行 wepon/season two/xgb.sql 通过PAI调用XGBoost进行训练，生成预测结果。
  • 运行 tianyin文件夹下的java src中的MR job和feature文件夹下的文件得到训练集和测试集。
  • 运行tianyin文件夹下的model文件中的PAI命令训练模型，得到GBDT的预测结果
  • 运行charles下的文件（运行顺序参考该文件夹下的readme文件）得到xgboost, gbdt, randomforest的预测结果
  • 运行tianyin/ensemble得到融合结果

• 第一赛季的只采用了单模型xgboost，wepon/season one