学习加油站

表格竞赛进阶：从 EDA 到稳定提分

用同一个订单风险场景走完数据审计、切分、特征、模型选择、融合和后处理。每节有一张决策图和一份可运行练习。

登录后可以保存学习进度和获得积分。

数据与验证

01｜竞赛 EDA：用漂移和泄漏诊断决定下一步从预测时点出发检查样本粒度、重复实体、缺失与训练测试漂移。用反证实验区分真实信号和评测捷径。 02｜验证切分：让线下分数预测真正的榜单区分随机、分组、前向时间切分和标签窗口清洗；用配对重采样理解折间差异，识别假提分。 03｜特征工程：时点正确、折内拟合与消融实现严格向后看的历史聚合和折外目标编码。用时点断言和特征族消融把增益变成可审计证据。

建模与交付

04｜模型选型：同预算比较 GBDT、线性与神经模型根据任务结构和评分选 baseline，再用同一验证、相近预算和切片结果判断何时值得换模型。 05｜模型融合：从 OOF 对齐到抗过拟合权重在同折 OOF 上测互补性，比较均值、秩融合和 stacking。将权重选择与最终验收分开。 06｜后处理：概率校准、阈值和约束校验用同一份冻结预测分别验证排序、概率和决策。用开发数据选择阈值，并在独立保留集核对收益。