2、了解和熟悉LR、RF、GBRT等算法的一些原理，以及这些算法的Python接口在ODPS中的调用
3、知道了机器学习在实战中的完整过程，从数据集Train和Test集的划分，过拟合，模型的选择，特征的抽取，正负样本的处理，采样方式（向上采样、向下采样），各种调参，特征的处理，y值处理，融合的方式都有了一个不一样的理解。
4、作为数据库方向的学生，说实话有些许惭愧，之前对普通关系型数据库最基本的SQL操作都不是很熟练，通过这个比赛对SQL已经基本掌握（包括Join，Union，Group By，Order By等）
5、重点了解了分布式odps的基本原理（其实就是Hadoop），对MapRedece有了更加深入的了解（包括任务分解合并的过程等），并且自己能够够独立地编写MapReduce程序来提取特征，通过这个比赛完成不重复代码的编写5000行+.

     阿里大数据的任务就是根据用户4个月在天猫的行为日志，建立用户的品牌偏好，并预测他们在将来一个月内对品牌下商品的购买行为。考虑到S1过程中我们初步判断点击的数据只有最近的半个月影响较大，故我们最初的LR模型就采用半个月的数据作为一个时间周期，这里所说的对点击率做LR模型是指逻辑回归，也就是推荐系统中常见的分类问题，即9月份买或者不买的问题，买用1表示，不买用0表示。

      TrainData准备：7.01-7.15(A)的点击数据作为feature，7.16-7.31(B)购买与否数据作为y，同时控制正负样本的比例，抽取A中的点击同时B中购买，同时随机抽样A中的点击但是B中未购买的样本(这种样本数量很多，需要对之随机抽样，可以使用Xlab中的随机抽样功能)，控制正负样本的比例。将A的点击+B中的购买与否y构成完整的TrainData。

     在构造TrainData的过程中，需要考虑时间衰减的因素，我们引入衰减因子，sum(1/(1+aipha*Days)).

     TestData准备：8.01-8.15(C)之间所有购买的数据。

在虚拟机中，具体过程如下：

     (1)计算A中所有点击visit_datetime距7.16时间间隔，用如下SQL代码执行：

     (2)考虑时间衰减因子，group by同一个user_id对brand_id的总的clickValue，这里的alpha初步设置为0.8

     (3)通过步骤1和步骤2已经生成了triandata中的点击数据，现在生成相对应的y为1数据样本：

抽取所有y=1的样本，利用Xlab填充y为NULL的样本的y值为0，随机采样y=0的样本，控制和y=1的比例接近（正负样本比例接近），将正负样本进行合并，最终生成完整的TrainData(user_id,brand_id,clickvalue,y)

     (4)利用Xlab工具对完整的TrainData进行逻辑训练，生成训练的模型表。

     (5)针对模型，在TestData(C)上上进行预测，产生训练结果表（包括调参）。

     (6)对结果表按照提交格式进行提交数据。

---

B.通用多模型Ensemble过程