What I learn from MCM
之前太小看数据科学家这行的深度了，在面对一堆沆赃的数据面前，执行一套什么样的标准化流程是我们应该从这次MCM中学到最重要的事情。
在我看来，数据预处理，即从一大堆数据中提取最后对我们有用的table出来的本领尤为重要，因为往往现实的数据存在着缺失、异常、错误等等等，如何detect到这些问题是一个不小的难点，同时，如何在剔除掉异常点后，对每个数据做什么变化也值得人思考，或许也可以通过gird search来解决；
这次的MCM中，最深刻的记忆还是加深了fitting任务的全流程，最关键的就在于使用进行GirdSearchCV。 是衡量拟合度的scale量，是一个非常好的fitting评价指标，越接近1越说明fitting良好。
同时也也了解到了Grid Search和Random Search 的hyperparameter optimization，hyperparameter的重要性也曾经在SVM的一次任务中被教育了；hyperparameter因为无法在训练过程中习得，因此进行排列组合的尝试效果的gird search简单但是有效
通过什么样的方法去做数据扩增，什么样的方法去做特征选择，通过什么样的方法取衡量变量之间的关系，data science这条路上有太多太多要我去学习的了，。注重tatistics的基础，一定要在每日的学习中继续sharpen自己的统计思维
比赛内容是复杂繁重的，一个良好的流程就是一套良好的架构，但我却被乱的满地找牙
我被MCM教育了