基本步骤：
*数据分析和可视化 （10%时间）
*异常值和波动值处理，数据采样（也需要尝试）
*feature是不断尝试的过程，最后自己能不能到 榜单主要靠的是特征，尝试各种特征，有些特征是起反效果的，要出去掉，之外就是加特征，各种加和各种尝试，在预处理数据之后，对数据特征的不断不断尝试（尝试特征效果） （%40时间， 最后能不能占据排行榜，往往都是看加了多少有用的feature【不断思考加入新feature,排列组合】，反复尝试过程， 特征工程和模型是相互影响，对模型没多少用的feature【不相关】，要尝试去掉，看模型会不会有提升）
*花时间尝试各种各样模型，把各种模型都调到最好的参数（使用网格搜索等手段，会点数学知识，防止自己盲目调参）， 着作为以后融合的依据 （40%时间建立模型，根据数据特性找model，往往是多个队友都建立模型， 对model都不断进行调整）
*最后是对各种模型进行排列组合。进行融合，这也是各种尝试。 (模型融合是导致最后排行榜波动的原因，最后的模型越来越复杂导致变量非常大， 还有模型的融合也是大家喜欢组队打比赛的原因，因为把不同队友的调到最好的model， 把model再进行各种排列组合， 这种排列组合也是需要各种尝试的，要花一定时间 ，可以看看天池的答辩，有的融合10个模型 stacking model)
总结下来： 反反复复要做的是数据观察， 反反复复增增剪剪特征（需要领域知识和运气）， 反复尝试各种各种模型（看论文、博客、别人比赛用的，以往类似的），模型各种形式的融合组合训练， 四大体力活，看各种论文， 很重要的是自己要进行各种各样的尝试，所以工程代码。