原文：Lavanya Shukla
铜灵 编译整理
天天跟资料打交道的研究人员，都有一个成为Kaggle顶级大师（Grandmaster）的梦想。
但每年的Kaggle参赛团队众多，通常一个专案都有数千人至上万人报名，如何在其中脱颖而出？
最近，自动化资料准备及协作平台Dataland的联合创始人Lavanya Shukla，在部落格上分享了她在Kaggle竞赛中最终成为0.3%的获奖经验。
小姐姐在推特中表示，这份攻略里全都是干货，网友纷纷为其点赞。有网友表示，这份攻略非常棒，才知道脊回归如此强大！
*先放上原文地址：*
*https://www.kaggle.com/lavanyashukla01/how-i-made-top-0-3-on-a-kaggle-competition*
量子位将小姐姐的干货要点翻译整理如下，长文干货预警，建议先码后看：
开始一场资料科学竞赛是一项庞大的工作，所以我写了这篇在Kaggle经典房价预测题目（Advanced Regression Techniques）中获得TOP 0.3%成绩的比赛经验。
欢迎大家fork这份干货，也欢迎在实际问题中亲自实践这些程式码。
祝你好运！
目标
模型训练过程中的关键特性
从下图可以看出，混合模型的RMSLE（均方根对数误差）为0.075，远优于其他模型。
这是我用来做最终预测的模型：
现在我们已经知道了一些资讯，可以开始着手了：
EDA
目标
我们的目标是根据这些特征预测销售价格。
销售价格：我们打算预测的变数
特征处理
我们先将资料集中特征进行视觉化：
并绘制出这些特征之间的关系，以及它们与销售价格的关系。
让绘制销售价格与资料集中的一些特性之间的关系。
特征工程
来看一下房子售价的分布情况。
可以看出，销售价格在右边倾斜，这是因为大多数ML模型不能很好地处理非正态分布资料。
我们可以应用log(1+x)变换来修正倾斜。
再画一次销售价格的分布：
添补缺失值
这样一来，这不就没有缺失值了……
解决倾斜特征
我们用scipy函式boxcox1p来计算Box-Cox转换。我们的目标是找到一个简单的转换方式使资料规范化。
创造有趣的特征
ML模型很难识别更复杂的模式，所以我们可以基于对资料集的直觉建立一些特征来帮助我们的模型，比如，每个房子地板总面积、浴室和门廊面积。
特征转换
视觉化我们要训练模型的一些特性。
设定交叉验证并定义错误度量
设定模型
获得每个模型的交叉验证分数。
从上图中我们可以看出，混合模型的RMSLE为0.075，远远优于其他模型。这是我用来做最终预测的模型。
提交预测值
传送门
https://www.kaggle.com/lavanyashukla01/how-i-made-top-0-3-on-a-kaggle-competition
小姐姐的部落格：
https://lavanya.ai/
