Datawhale干货

作者：YueTan，数据竞赛TOP选手

扉页故事：落地的模型才是好模型，但不一定是评委眼里的好模型

前情回顾

上回我们讲述了：故事讲不好，名次降到老，主题是黑化后，菜鸡如何立人设。在开口介绍模型之前，先声夺人，让评委觉得这人能处。本文我们将主题再次升华: 平凡模型如何包装。

我只示范一次，看好了世界

距离我上次答辩已经很久了，当时我介绍的模型是这样的：

用的是“规则模型和LGB模型串并联融合”模型。案发那天，如果看了开源代码，真实情况其实是这样的：

一个简单的规则，包装成了评委喜闻乐见的创新模样。良心还未完全泯灭，给的权重是0.95和0.05，懂得都懂。

趁黑化没有完全黑化，我先主动坦白了。突破了道德的牢笼，很爽；做一个反面人物，很舒服！但是嘴上记得大声说：

以上只是个例示范，接下来我们从更系统的方法论介绍，如何吹嘘自己的模型。

中国古拳法-三板斧

这里介绍的是江湖上失传已久的中国古拳法秘诀，知名答辩专家YueTan总结的“模型三板斧”，普通的评委根本挨不过三斧。(当然，现实生活里，我被评委杀疯了)

这三斧就是“漂亮衣服” + “好歌” + “丰富早餐”。

第一斧：漂亮衣服

漂亮衣服，顾名思义，指的是一张好看的模型图。利好深度学习，比如论文里各种各样的图：

多看论文，随手就是案例。可以借助这个repo里的素材进行创作：https://github.com/dair-ai/ml-visuals

如果用的是树模型，是不是比较尴尬？早让你们少用了。这样吧，没有漂亮模型图，就画一张漂亮的pipeline图：

业内一流PR高手阿里的选手是怎么做的呢？来自kdd比赛队伍88VIP。一开始觉得这只队伍名字略显低俗，看论文才知道是达摩院大佬，名字也就解释的通了。方案很优秀，但看到报告的时候，更让我惊艳的是这张图

这要是我画的就好了。整体流程不仅清晰，关键是一看就知道：

毕竟连顶会都需要一张好看的poster，做一张漂亮的图不过分吧

第二斧：好歌

好歌，顾名思义，指的是模型里让人眼前一亮的优化，代表了上分路径的优秀故事。这个亮点，再像一首好歌一样徐徐展开，详细阐述我们如何用创新的方法解决了一个业内困扰的问题。

想归想，哪来那么多创新和问题，很多时候明明LGB梭一下就好了嘛。

有困难就客服困难上，没有困难创造困难也要上。正所谓：只要思想不滑坡，办法总比困难多。既然办法比困难多，那我们虚拟几个困难然后介绍一下方法也很合逻辑吧，我称之为：灵活创新。

创新不是可口可乐，全世界一个味，也不是信口开河，而是和数据挖掘一样，本身也是一种技术。克林，小时候在少林寺习武，本来就和几个师兄一样全都是光头。但他在评委老师面前是这样讲的：

再配上一句你看武天老师也是光头。这就是既讲了真话，也拍了马屁，值得学习。

这里介绍灵活创新的两个基本套路：bottom-up和top-down方法。bottom-up自底向上，先发现问题然后找解决方法。例如推荐比赛里，发现冷启动或序列信息是关键点，做实验找到一种好的提取思路，答辩时就对此大书特书，作为亮点。

top-down自顶向下的方法则是，先找到某种优化最好，然后往回推问题，再从问题开始介绍。实践中尝试了若干种方法，发现模型A最好。去查模型A的论文，论文里介绍了模型主要解决的是B问题。答辩时，我们就开始强调B问题，然后讲模型如何解决，并且在模型A基础上进一步优化，作为亮点。

表现形式可以画出不同操作的消融实验图，这个图一定要多强调“眼前一亮的优化”。当然，如果本身用的就是跨领域模型，那已经足够了。

第三斧：丰富早餐

丰富早餐，顾名思义，代表的是整齐而完备的对比实验，丰富的模型对比既可以突出第二斧中的独具匠心，也隐晦的表达了自己没有功劳也有苦劳，是有很多实验和思考的正经人，和坐在角落靠运气来答辩的YueTan不是一路货。

很多比赛，并没有大杀器。就和工作中的许多项目一样，其实没什么值得一提。如果用做比赛如治大国里的例子讲述，那就是

繁文缛节是立国之本，大婴自有国情在此。即使是一个普通模型，也是做了很多实验精心选出来的，是值得肯定的。

总结

以上的三斧都是为了向评委售卖我们的故事，再简要回顾一下：

- 第一斧：漂亮衣服。清晰地给听众展示整体和全局思路

- 第二斧：好歌。针对具体问题，眼前一亮的创意。有效的方法背后一定能挖掘出一个好的故事。

- 第三斧：丰富早餐。针对模型选型对比，做了丰富而可信的实验才科学地选出了最终方案。

三斧下来，有漂亮的模型图，有眼前一亮的优化，有丰富实验对比。再加上第一讲里我们塑造的大佬人设，稳了。这就是中国古拳法秘诀了，其实也是一个自然而然、水到渠成的过程。欢迎大家试用，只有一个要求：

干货学习，点赞三连↓