论文地址 https://arxiv.org/abs/1712.06751s 论文概述 提出了一种白盒对抗来对付char-level的分类器。 使用原子级别的翻转，仅需要根据one-hot的梯度将两个token进行交换。 在执行对抗训练的时候可以变得更加鲁棒。 使用语义约束使得该方案也能作用于..

概述天池的这个比赛需要预测未来的时间段内不同地铁站每十分钟的人流量，我们团队在a榜使用了规则+模型的融合方案取得第四名的成绩，但是由于b榜需要预测的日期为周末，我们a榜中所用的规则直接失效，具体的规则是由队友人畜无害小白兔提出。由于我们a榜较为依赖规则导致单模分数不是很好，直接造成了b榜雪崩，幸..

kaggle上面的elo比赛私榜放出后，使用了后处理的队伍基本全部翻车，我们团队为了稳健，在选择最终文件时选择了一份未经后处理的和一份经过后处理的结果，最终未经后处理的文件拿下了27/4128的成绩，成功获得一枚银牌，虽然未用二分类进行改值，但是实际上我们的成绩融入了二分类的结果，具体使用方式可..

1 赛题理解和数据探索1.1赛题理解此题利用已有的用户属性(如个人基本信息、用户画像信等)、业务属性、消费习惯及偏好等特征，对用户进行套餐推荐，从而更好的为用户服务。 1.2 数据探索通过对数据的探索，我们发现虽然训练集给出了12类，但是999999这个类很特殊，只有2条重复数据，因此我们决定删..

1. 赛题数据理理解1.1 数据整体介绍本赛题中训练集为15000个参保对象的共计1368146条历史结算明细数据， 其中包括参保⼈人ID、流⽔水号、50个脱敏敏数值特(FTR0-FTR50)、FTR51⽂本特征和发⽣时间特征，共计52维有效数据以及是否为欺诈参保⼈人的LABEL，如图1所示。测..