我在机器学习比赛中赢了10,000美元 - 这是我的完整策略

在我的第一次ML比赛中，老实说，我仍然有些震惊。

我在金融科技的数据科学家工作了六年。当我看到Spectral Finance对Web3钱包的信用评分挑战挑战时，尽管有零区块链经验，但我还是决定尝试一下。

这是我的局限性：

我使用了我的计算机，没有GPUSI只有一个周末（〜10个小时）才能在ITI上工作，从未触摸过Web3或区块链数据，然后再构建神经网络以进行信用评分

我使用了没有GPU的计算机

我只有一个周末（〜10个小时）来工作

我从未在

我从来没有建立一个用于信用评分的神经网络

竞争目标很简单：预测哪些Web3钱包可能会使用其交易历史记录默认贷款。从本质上讲，传统的信用评分，但使用DEFI数据而不是银行对帐单。

令我惊讶的是，我获得了第二名，并赢得了1万美元的美元硬币！不幸的是，光谱融资自那以后就占据了竞争地点和排行榜，但这是我赢得的屏幕截图：

第二

我的用户名是DS-Clau，第二名为83.66（作者图片）

这种经历告诉我，了解业务问题确实很重要。在这篇文章中，我将通过详细的说明和Python代码片段来确切地向您展示如何进行操作，以便您可以为下一个机器学习项目或竞争重复此方法。

入门：您不需要昂贵的硬件

让我清楚地说，您不一定需要昂贵的云计算设置来赢得ML竞赛（除非数据集太大而无法本地适合）。

您不一定需要昂贵的云计算设置来赢得ML竞赛 。

该竞赛的数据集包含77个功能和443K行，无论如何，这并不小。数据是我使用DuckDB下载的.parquet文件。

.parquet 洞察力：

EDA：了解您的数据 信用评分中的第一个问题：班级分布是什么？

EDA：了解您的数据信用评分中的第一个问题：班级分布是什么？