2月20日：
查看任务介绍，二分类问题，评价标准logloss
下载数据
2月21~27日：
查看数据组成，标识分类变量、离散变量、连续变量。
发现连续数据有大量非随机空缺（占总量一半），主要集中在v2相关与v8相关列
根据空缺相关性，可将feature分为6组：
g1-v8相关列，g2-v2相关列，g3-与v2v8均不相关的稀疏列，g4-无缺值连续变量，gd-离散变量，gc-分类变量
标签样本不均衡，约75%的y==1，25%的y==0
查看相关性。
2月28日~3月3日：
考虑对缺值数据（feature稀疏样本）进行模型，因feature较少，实现将较快。
对分类变量one-hot赋值。
尝试logistic、linearSVC（no dual）拟合效果较差，大量标签为预测为1类，几乎不出现0类预测
尝试kernelSVC，样本数太大，核矩阵过慢
尝试较浅层Random Forest，同样无法有效辨识类0
尝试xgb，极简易调参后，对feature稀疏样本4-folds cv约0.450，在lb上表现估计约0.457上下
BNP Paribas Cardif Claims Management
原文：http://www.cnblogs.com/catnip/p/5314765.html