----------一點比賽心得，供不太熟悉Xlab RF和GBRT調用的同學參考，不喜勿噴，大神繞道，麼麼哒。。。。。----------
6月初的時候LR 做到4.9後一直上不去，看群裡火熱的讨論RF，轉而使用RF，幾經折騰上手後，在當時的那批對LR來說很好的特征處理下，結果F1隻有3.5左右，心灰意冷。。。然後又看到火熱讨論GBRT，再轉gbrt，剛上手，效果和RF差不多，看到别的同學直接從LR轉到RF和GBRT都效果好很多，那個急啊，然後又是考試周，就一直拖拉到6月下旬，終于下定決心重新做一遍，因為gbrt訓練時間比較長，且RF和GBRT對特征的效果相當，RF預測時間相對較短一些，便重新做RF，慢慢的有效果了，停止了F1終于開始往上漲：4.9->5.16->5.66...最近開始再添加特征，相信還會有提升，下面把我們的RF和GBRT的訓練和預測方法大概講一下（主要以截圖為主）
1、Xlab GBRT上手
1.1、訓練特征表準備
訓練的特征表gbrt_offline_section_one_24格式為：user_id,brand_id,feature1,feature2...Label
見下圖：
1.2 、建立特征稀疏表，為訓練做準備
特征稀疏表可直接在Xlab由原始特征表轉換得到，截圖如下：
進入普通表轉稀疏矩陣界面後，在選擇列裡填上： user_id對應的列号（表預設從0列開始），brand_id對應的列号，以及想要使用的衆多特征對應的列号（不需要填寫标簽對應的列号！！！）；然後在輸出表裡填上轉換成的稀疏矩陣：gbrt_offline_section_one_24_1;如下圖
1.3 、GBRT訓練
利用訓練的特征表gbrt_offline_section_one_24，進行GBRT訓練，如下圖是以
進入配置界面，勾選訓練的标簽，稀疏矩陣名處輸入剛才轉好的稀疏矩陣gbrt_offline_section_one_24_1，模型輸出表處填寫模型輸出表名，參數配置處根據效果進行配置（最開始預設就可以的）。如下圖所示：
配置好隻好就可以進行訓練了，等待訓練好之後等到GBRT預測模型：gbrt_offline_section_one_25；
1.4、GBRT預測特征表準備
訓練的特征表gbrt_offline_section_two_11格式與訓練特征表格式一樣，為：user_id, brand_id, feature1, feature2...Label 見下圖：
1.5、建立預測稀疏矩陣表
特征稀疏表可直接在Xlab由原始特征表轉換得到，方法和原來一樣，直接截圖如下：
需要注意的是，選擇列必須和訓練時候一樣！！！
1.6、GBRT預測
利用轉好的預測稀疏矩陣表gbrt_offline_section_two_11_1進行預測，如下圖所示
進入界面如下：model 處填寫剛才訓練好的GBRT模型表：gbrt_offline_section_one_25；輸出表名處填寫預測結果輸出表 gbrt_offline_section_two_13，然後進行預測，如下圖所示：
1.7、GBRT碎碎念
GBRT預測好之後，得到的結果為與原始預測表gbrt_offline_section_two_11一一對應的單列值y_var(搞不懂為什麼不提供類似RF那樣預測結果追加user_id,brand_id 列)，如下圖：
是以，還得進行追加ID列，進行zxs_gbrt_offline_section_two_13_1和zxs_gbrt_offline_section_two_11_1兩張表的合并，得到類似user_id,brand_id,y_val的表，取門檻值進行推薦就可以了，下圖為xlab裡提供的腳本，追加ID列代碼。
另外：附上腳本實作的代碼，友善測試：
-----------__-----------PS---------__----------