项目名称：工业离散制造过程中的符合率
任务名称：业务需求问题
任务简介：了解这个赛题所对应的业务场景和工业4.0背景下的智能制造业务需求问题
详细说明：
本节将会向大家介绍由业务需求问题演化而来的赛题以及我们应该注意的问题是什么。主要讲解的内容就是业务场景介绍以及通过赛题得内容的介绍初步确定指标以及技术方案选择等等（要做到心中有数）
一个工件例如一个轴涉及到过个工艺操作，例如用车床，铣床等等，每个面或者工艺在设计的时候都会有误差精度要求，每个工艺操作完成后的成品就会累加有各个工艺操作过程产生的误差，然后就会出现了合格和次品之类的。那有人会说，就按最高的精度来加工就完了呗，精度越高，所用的时间，器械要求也高，成本就上来了，所以精度要合适，如何用AI来辅助选择合适的精度，然后获得最大的效果，就是这个赛题的意思。
前期知识储备
机器学习三大件：Numpy、Matplotlib、Pandas
表格型数据数据挖掘算法：有监督、无监督
机器学习神器-Sklearn:Sklearn的机器学习算法的应用
大背景
智能制造带来的革命性影响（工业4.0）
中国制造2025
业务场景分析
在高端制造领域，随着数字化转型的深入推进，越来越多的数据可以被用来分析和学习，进而实现制造过程中重要决策和控制环节的智能化，例如生产质量管理。
从数据驱动的方法来看，生产质量管理通常需要完成质量影响因素挖掘及质量预测、质量控制优化等环节，本赛题将关注于第一个环节，基于对潜在的相关参数及历史生产数据的分析，完成质量相关因素的确认和最终质量符合率的预测。
在实际生产中，该环节的结果将是后续控制优化的重要依据。
立足赛题
赛题要求
赛题链接
任务：由于在实际生产中，同一组工艺参数设定下生产的工件会出现多种质检结果，所以我们针对各组工艺参数定义其质检标准符合率，即为该组工艺参数生产的工件的质检结果分别符合优、良、合格与不合格四类指标的比率。相比预测各个工件的质检结果，预测该质检标准符合率会更具有实际意义。
本赛题要求参赛者对给定的工艺参数组合所生产工件的质检标准符合率进行预测。
数据
数据说明链接
官网摘录：
在此任务中，以某典型工件生产过程为例，我们将提供给参赛者一系列工艺参数，以及在相应工艺参数下所生产工件的质量数据。该数据来源于某工厂采集的真实数据，已做脱敏处理。
（1）训练数据将提供：
A：工艺参数（如设备加工参数）
B：工件的质量数据
C：工件所符合的质检指标
（2）测试数据将提供：
A：工艺参数（如设备加工参数）
提交要求与评估函数
评估，计算预测值和标签值的距离，差距越小越好。
项目思路
1、从数据出发
2、EDA发现奇妙点：Explorer data analysis，可以理解为探索性分析吧，看看数据的基本特征。（同学解答）
3、数据预处理（含特征工程）
4、算法选型：选择市面上已经有的算法，速度快，精度高
5、模型部署：就是在实现算法的基础上，包装上界面，接收用户的输入输出等等
初步选定算法方案
本项目隶属：分类预测、数据挖掘。
数据：Tabie、DataMining、Classification
分类算法：Ensemble、Xgb、Lgb、Catboost、Regression、神经网络？
