起因：距离上次第一次进行预测已经经过了十几天了。虽然经过了这么多天，但是比赛成绩没有什么成效...因此在这个特殊的日子来反思一下，想一下接下来要怎么弄。
回顾历程：
1.第一次上手预测是用了GBT模型，10个属性作为特征，tBalance和yBalance来拟合模型，评分较低6.7。
2.第二次和第三次记得不是很清楚了，但是第三次的评分是这么多次的预测来最高的，28分。貌似是用第一次时间序列预测的结果，即二次差分，q=1,p=1的ARMA模型预测的，然后对tBalance和yBalance来预测。虽然评分高，但是我觉得这是偶然的，不是必然的。
3.接下来的第四次到第七次，方向跑到预测total_purchase_amt和total_redeem_amt去了，用的还是第一次时间序列预测的结果。其中第六次是将total_purchase_mat拆成直接购买和收益两部分来预测，total_redeem_amt拆成转出和消费来预测，它这个成绩是这几次比较高的，21分。然后这几次的时间序列预测数据改变了，在用了网格搜索法进行模型参数搜索后，对每个属性都决定了适合的模型参数，在这种情况下时间序列得到一个比之前准确的数据。这几次预测有一个很重要的错误就是，结果数据集包含了8月份的，导致结果都很差。
4.最后是第八次和第九次的，第八次改正了前面说过的错误，数据集是9月份的，用后面的新利率数据，预测total_purchase_amt和redeem。评分是24分，第九次则是用后面4个属性作为特征，评分17。由这两次预测可以知道，特征还是要用到10个属性。
总结一下：
数据预测准确性提高的方法在：
1.9月份利率数据的准确性的提高
2.10个属性跟结果的关系弄清楚，即怎么用10个属性去预测结果，这个很关键。