AutoML在IEEE (automl怎么读)
雷锋网 AI 科技评论按，近日，IEEE ISI 2019 国际大数据分析竞赛结果出炉，今年的竞赛包括企业投资价值评估和法律诉讼类型预测两个赛题，来自深兰科技北京 AI 研发中心的 DeepBlueAI 团队分别取得了一项冠军和一项季军的优异成绩，本文作者罗志鹏（深兰科技北京 AI 研发中心），他为雷锋网 AI 科技评论独家撰写了该团队在企业投资价值评估赛题中的算法思路与技术细节分享。
IEEE 年度国际会议是安全信息学领域的旗舰会议，于 2003 年首次在美国亚利桑那州图森市召开。在过去的 16 年中，IEEE ISI 会议已经从传统的智能和安全领域发展到多领域联合研究与创新。今年，第 17 届 IEEE ISI 会议在中国深圳于 7 月 1 日至 3 日由深圳人工智能与数据科学研究所主办。
为了促进人工智能分析行业的发展，并为学术交流和技术讨论提供一个平台，IEEE ISI 会议发起了此次国际大数据分析竞赛 (IEEE ISI 2019 年世界杯，IWC 2019)。本竞赛面向全球高校、研究机构、企业、政府开放。共有来自中国、美国、巴基斯坦、伊拉克、英国、德国、挪威 7 个国家，来自华为、京东、滴滴等知名企业，以及来自清华大学、北京大学、浙江大学等知名高校的三百余支队伍参赛，参赛总人数逾千人。
在企业投资价值评估赛题中 DeepBlueAI 团队以较大领先优势获得冠军，排名如下：
本次比赛提供了基于 3500 家上市公司全量信息，描述公司在财务、法务、股权、经营状况、舆论等方面的属性特征，包含企业的工商信息、年报、财务信息、纳税信息、股权信息、法务信息、知识产权信息、经营信息、购地信息等数据（以实际发布的数据集为准）。这些数据来自于官方统计平台，数据真实可信。每一家企业对应一个类目 ID。参赛选手需要合理运用现有数据集材料，筛选出对竞赛有价值的信息进行特征构建和模型训练。
本次会议共有两个赛题：
赛题 1 企业投资价值评估
参赛者可参照企业的年报、财务信息、经营信息、资产信息、税务信息，知识产权等企业综合信息对企业投资情况进行打分，为投资者提供投资依据。
赛题 2 法律诉讼类型预测
参赛者可根据企业的法院公告、裁判文书、动产抵押、司法冻结、行政处罚、欠税信息、开庭公告等法务信息预测企业未来一段时间可能收到的法律诉讼类型，为企业规避法律风险。
本文接下来分享赛题 1 的思路与技术细节。
使用均方根误差 RMSE 作为本次竞赛的主要性能指标。返回结果越小代表模型性能越好。比赛成绩以参赛团队提交的测试集结果为准，此部分占总成绩 90%。同时会根据代码的鲁棒性、可扩展性、可读性为算法模型打分，此部分占总成绩 10%。比赛最终排名取决于以上两部分成绩总和。
题目特点以及主要工作
在这次比赛中，主要有以下难点：
对于这样大量的字段，如果直接采用人工去做特征，一方面工作量巨大，另外一方面很多特征也难以想到。故团队成员基于以上难点，采用了自研的 AutoML 系统进行建模，该系统包括了自动数据清洗、自动特征工程、自动特征选择、自动模型调参、自动模型融合等步骤，能极大的提高任务建模的效率，并且在此次竞赛中也大大提升了效果。
在通常的竞赛中，我们的数据往往是比较干净的，要么采集比较规范，要么已经经过加工处理。这次竞赛提供的数据是真实的工业界应用数据，含有大量的不规范字段。比如时间列，就存在各种各样的格式，比如存在年份缩写、中文年月日、标记格式不统一（有时用「\」，有时用「-」来分隔）等情况。
考虑这些数据情况，可能是由于数据录入的时候，不同年代采用不同的格式，并且数据保留了原来的格式，从而造成了大量数据不规范的问题。另外数据中存在着大量的噪声。而我们的自动化数据清洗模块，对不同类型的数据使用不同的清洗方法，能够有效地清洗不规范数据。
我们的特征工程部分包含两个阶段：AutoML 自动特征工程阶段和业务特征强化阶段。
在 AutoML 自动特征工程阶段，将原始数据清洗成 AutoML 系统可处理的格式后，进行自动特征生成，然后进行特征选择迭代。在特征选择阶段我们采用 lightGBM 单模型。在自动特征工程中，我们假设通用场景类型，选择和本次任务契合的场景类型进行自动特征工程，在每一轮特征迭代过程中我们参考了上一轮特征的重要性，在重要性高的特征上面进行迭代更新。筛选出的特征中比较重要的有：行业细类特征、资历、年报等。具体地，原始特征包含了数值类型，分类类型，时间类型以及文本类型。我们对数值类型和类目特征生成了基本统计特征，以及数值和分类的聚合特征。对时间类型，提取了周期性特征。对文本特征，采用 TF-IDF、LDA 方法提取特征。同时我们也提取重要特征进行高阶组合，从而避免了指数级的特征组合，并且能挖掘三阶甚至四阶不同类型的特征组合，有效地提升模型性能。
在自动特征阶段生成的全部特征累计有 7000 多列，自动特征选择采用递减的方式，在业务特征强化阶段，我们通过深入思考业务的逻辑，结合已有特征的重要性，挖掘出业务中我们认为应该考虑进去的信息，然后构造出能反应这些信息的特征。
在自动特征工程阶段，我们发现专利和资质认证两个信息对模型效果提升较大。这很符合我们的直觉，在对企业价值评分时，专利的数量、种类等信息无疑是非常重要的。
首先是针对专利信息，我们挖掘了公司的专利在时间线上的活跃度，公司在该专利领域的实力。我们猜测在长期专利数量较多或者存在上升趋势的企业投资价值评分应该更高。根据实际专利的申请审核流程，提交申请到出审核结果的时间长度，我们提取了企业在最近 1、3、6、12、24 个月的专利数量以及专利数量较多的种类。其次我们挖掘了每个城市每个行业的企业竞争力，用城市中各个行业的公司数量以及他们之间的相对特征来表现。我们猜测公司地址在其行业密集度较高的城市具有更强的竞争意识和竞争氛围，成长性较高，可能会得到较高的投资价值评分。之后我们挖掘了公司的认证资格竞争力信息，在行业内理论上应该是资历认证更完善的公司实力更强，风险更小，我们通过构造公司在资历全集中的完善度特征来反映这个信息。
为了增强最终结果的稳定性，我们采用 Stacking+Bagging 的方式进行模型融合。融合的主体方法是 Stacking, 第一层我们采用过的模型有 LightGBM、XGBoost、Random Forest、Support Vector Regressor、ExtraTrees Regressor。每个模型采用交叉验证的方式进行线下验证。
在 Stacking 的第二层中我们采用了基于约束的线性模型，在实验中发现效果好于其他线性和非线性模型。
在 Bagging 中我们使用不同 seed 以及随机微调了一些参数分别生成 10 个 LightGBM 和 10 个 XGBoost 模型。最后将 Stacking 的结果与 Bagging 结果进行简单线性加权融合作为最终预测结果。在这次竞赛中模型融合提升并不是很大，从榜单来看我们的单模型结果就能获得冠军，因此 AutoML 自动特征工程部分是我们制胜的关键。
在此次竞赛中，我们的主要工作包括：
此次竞赛主办方提供的数据量比较小，可以收集多年的数据根据滑窗的方式获取更多的训练数据。
影响企业投资价值的因素多，可能需要更多公司动态信息，例如人员流动信息和招聘信息等，这些信息可能有助于提升预测效果。
原创文章，未经授权禁止转载。详情见 转载须知 。
问船数据(www.wenchuan.net)为公众提供商品的市场价格数据、货运物流数据、宏观经济数据、金融数据以及相关的行情资讯、研究报告和统计资讯。
猪头旅行网_提供全方位的旅行信息和服务。我们汇集了各种目的地的旅游攻略、景点介绍、美食推荐、住宿预订等内容，让您轻松规划和安排自己的旅行。不论您想要去国内还是国外旅行，海滩度假还是登山徒步，文化探索还是美食之旅，旅游网都能为您提供详实的资讯和建议。
广州埃威姆音响公司致力于专业音响、会议音响系统、音响工程，秉承诚信、创新、共享的原则、优质的专业音响设备和一站式音视频设计解决方案完成了大量有影响力的音响工程联系热线：020-39218218
法务时刻，您的法律守护者，为您解答法律疑问。我们提供全面、专业的法律服务，涵盖合同审查、纠纷解决、法律咨询等。以精准的法律知识，为您的权益保驾护航。法务时刻，我们时刻准备着，为您的法律需求提供及时、高效的解决方案。让法律的力量，成为您最坚实的后盾。
南粮院机械设备有限公司专注研发生产小米加工设备,小米加工成套设备,小米机械设备价格,小米深加工设备,小米加工机械价格，郑州小米加工机械厂,购粮院小米加工设备享受**农机补贴,咨询电话:400-966-9225
农业种植网，种植领域专业网站，为广大农民朋友提供水果、蔬菜、中草药、农机和园林绿化等行业信息。
矢贼网（www.shizei.cn）专注于太极拳的基础知识科普，为您提供常见并且有用的太极拳知识，矢贼网是喜欢太极拳知识的网友常来的好网站。
宁波佳田时装有限公司属中外合资企业，注册资金50万美元，公司总投资1600万人民币，其中厂房投资1200万人民币，设备投资400万人民币。厂区占地面积15000平方米，厂房建筑面积13500平方米。公司拥有各类先进的缝纫设备，并高薪聘请服装设计人员和生产管理人员，共同致力于设计一流的服饰、生产一流的服装。公司现有车位385台，员工400余人，年生产量600万件针织服装。
山东精诚医药装备制造有限公司主要从事小型粉碎机,药材粉碎机,全自动胶囊填充机,中药制丸机,中药提取设备的研发和生产.订购热线：400-008-6711/400-008-6722
首游网络
早副业网创，专注于互联网创业副业赚钱项目，分享最新副业赚钱项目、副业兼职教程、副业实战课程，包含电商副业、短视频副业、直播带货副业、自媒体副业以及知识付费项目实操的网站。
浙江金华天开电子材料有限公司，主要从事：同质透心地板防静电地板,商用同质透心地板,弹性地板,浙江抗静电橡胶卷材，商用pvc地板，是全国弹性地板协会副会长，防静电协会副理事长单位，上海防静电工业协会副理事长单位，专业生产防静电PVC地板(卷材)及商用同质透心碎花点PVC地板(卷材)
作为经典街机游戏的代表，拳皇系列从诞生至今已经陪伴了几代玩家成长，小编今天就来告诉大家经典耐玩的拳皇小游戏有哪些2024，这些游戏不仅考验你的操作，更是友情和回忆的纽带，大家准备好再次踏上那条热血沸腾的对决之路了吗，让我们一起来看下都有些什么拳皇游戏吧，1、，拳皇命运，如果你觉得你对拳皇这个游戏已经了如指掌，那么拳皇命运将让你大开眼界...。
目前出海企业非常缺少增量，因为平台流量价格越来越高、瓶颈越来越明显，传统渠道又有些乏力，我们的定位是想成为中国出海企业的新增长渠道，FOSHO创始人李嘉怡说道，在创立FOSHO之前，李嘉怡2015年开始在华为荣耀负责国内外媒介业务，十年前她经历了中国手机品牌从传统到智能，同时还见证了中国厂商在全球市场的逐渐崛起，她频繁往返于全球不...。
11月21日，努比亚Z70Ultra正式发布，红魔10Pro系列同款的无打孔真·全面屏、骁龙8至尊版、等效35mm的IMX906、强化的OV64B长焦，定价4599元起，努比亚Z70Ultra是骁龙8至尊版，不锈钢VC投影面积约4400mm²级别，LDPPR5X，UFS4.0闪存，16GB和24GB版本是9600Mbps的增强版LPD...。
发表在当贝投影仪2023，4，2114，35当贝X5和极米H5都是家用旗舰投影仪，不过两款投影采用的光源技术有所不同，那么所呈现的画面表现如何呢，下面就通过实拍对比来了解，看看当贝X5和极米H5哪款画质更出色，当贝X5和极米H5画质实拍对比，当贝X5采用的是ALPD激光光源，亮度高达2450CVIA流明，换算国际单位则达到4000AN...。
德高防水是什么，德高防水是建材领域的防水项目，是业内颇有知名度的品牌之一，这些年随着产品品质的不断提升、服务的不断精进，品牌越来越被更多人所认可，现下还有人问起了德高防水的加盟问题，那么德高防水加盟代理条件有哪些，德高防水怎么加盟，关于德高防水的介绍德高防水是德高公司旗下，德高，广州，建材有限公司，以下简称德高，创建于1998年，是全...。
近年来游戏生产蓬勃开展，在丰盛群众文娱生存的同时，也暴显露一些疑问，不只腐蚀了玩家的理性生产观点，也侵害了游戏行业的肥壮笼统和短暂开展，为营建一个肥壮、踊跃的游戏环境，黑猫揭发依据游戏玩家们的揭发特点与平台重点疑问，筹划2024#暑期游戏生产安保包全月#主题系列优惠，此次优惠约请中国互联网协会专家，联动泛滥出名媒体及游戏畛域大V博主，...。
△巴勒斯坦伊斯兰抵制静止，哈马斯，政治局指导人哈尼亚，资料图，外地期间7月8日晚，巴勒斯坦伊斯兰抵制静止，哈马斯，在官方上宣布一份申明称，鉴于以军在加沙城更新军事执行并需要外地居民撤退，以及以军正在继续启动的侵犯行为，哈马斯政治局指导人哈尼亚紧急咨询斡旋方并示意，目前在加沙地带出现的事件，将形成劫难性结果，哈尼亚还强调，以方的所作所...。
7月2日，华商报微风资讯报道了，休庭后女律师眼见助理被围堵，拍照取证遭法警粗犷看待倒地，一事，休庭后女律师拍照取证遭法警争夺手机后被推倒，法院上班人员，倡导关注法院后续通报7月3日下午6时30分，华商报微风资讯记者从何智娟律师助理赵某处得知，在被贵阳云岩区法院法警争夺手机近30个小时后，法院被动咨询何智娟律师团队，称关系担任人宿愿何智...。
最近有很多抢手的电视剧正在上映，狂飙、三体等都收割了一大波的好感，然而在网上看他们理论是须要付费的，而上方这些终身不要钱不不要钱的电视剧软件app能够成功让咱们不要钱追剧刷剧，十分繁难，终身不要钱不不要钱的电视剧软件app，一、剧白白如今最盛行的不要钱看剧app之一，内容多、降级速度快、资源品质高，很多青睐追剧的人都在经常使用，最关键...。
兄弟打印机通用驱动是由Brother打印机官方推出的一款非常给力的驱动程序，有了该程序，大家就能够非常轻松的获得最全的Brother设备驱动程序和软件
VovsoftSpeechtoTextConverter是一款功能强大，专业实用的优秀语音转文本工具，软件为您提供自动语音识别功能，支持多种语言，快速转换为文本
DirectX修复工具4.0.0.0增强版是一款系统DirectX组件修复工具，一键完成检测修复，只要简单一键选择就能完成检测、修复、注册等一系列问题，使用门槛低，操作简单，真正的傻瓜设计，有需要的小
迷宫游戏是很多人都特别迷恋的一种游戏，玩起来比较考验玩家的智慧能力，越玩越觉得特别起劲，虽然游戏设置了比较简单的操作和玩法规则，但是玩起来可是不简单的，就等着玩家来发挥超强实力，完成更多任务，如果对此类游戏特别着迷的话，那么小编推荐的这些游戏，你一定会喜欢的，1、，球球3D旋转迷宫，球球3D旋转迷宫，是一款趣味性不错的休闲闯关类游戏...。
10月31日，在杭州云栖大会上，光启慧语正式发布了与复旦大学附属中山医院，以下简称，中山医院，联合开发的多模态医疗大模型，光语医疗大模型，据获悉，光语医疗大模型是基于光启慧语数百亿参数规模、万亿token预训练语料的自研大模型，由中山医院深度参与、针对医疗场景定制而成，在通用基础语料之上，光语医疗大模型注入超百亿toke...。
打开一个黑盒子，黑盒子变成了白盒子，但是白盒子中又出现了更多的黑盒子，探索可解释AI是一条长远的道路，在刚刚过去的2021年，人工智能领域最热门的新兴话题之一，就是，可信AI，2021年6月，蚂蚁集团在全球人工智能大会上首次公布，可信AI，技术架构体系；7月，京东探索研究院又在世界人工智能大会上发布中国首个，可信人工智能白皮书，，且...。
2013年，前NSA，美国国家安全局，成员斯诺登就曾公开展示过间谍是如何通过一个改装过的USB设备悄悄偷走电脑中的数据，而就在近日，以色列的一家公司开发出了这一恶意软件的升级版，让黑客不需要改装USB就可以无线传输数据，并且能够用于任何没有联网的计算机中，这种软件被命名为，USBee，USB蜜蜂，，因为它就像是在不同的花朵之间往返采...。
出品，雷锋网产业组作者，李菁瑛英国社会哲学家查尔斯·汉迪曾在他的著作中说，第二曲线是跨越S型曲线的第二次增长，对于一个企业而言，如果按照单一传统业务发展，最多只能获得百分数上的增长，企业要想获得跨越式发展，就必须以第二曲线式的增长方式取得十倍速的增长，对于一家凭借算法技术异军突起，已经有抖音、今日头条两大强势业务的互联网公司，如今的字...。
