1.nn：目前还是处于复现初赛方案的阶段，没有增加新的东西，模型使用的是mmoe，整体看下来是差不多的，就是数据规模不一样了分布啥的都是一致的，初赛方案可以大胆在复赛使用，当然需要进行一些参数的调整比如mmoe里面的专家数等来适配大数据量的情况。

2.树模型：复赛的数据量增大，机器的内存也不足够，导致树模型很难复现初赛的方案。目前主要通过负采样，并且删除一些不必要的特征进行复现，虽然分数没有nn线上高，但是与nn的差异性来看比初赛更大了，在融合的时候会有收益。树模型主要还是在加载数据的时候，比较容易爆，个人从lgb转向了cbt，可能会没有lgb分数高，但是gpu支持更好，可以加速训练过程，而且加载内存的时候比lgb需要的内存更少，但是还是不能进行全量训练，所以复赛还是nn为主。

3.还想和大家分享一下值得的注意问题。第一是队伍合作的问题，hash一定要先和队友商量好以及共用数据的时候要统一标注好，比如是否加了初赛的数据，不然会浪费大量的时候对齐，这就没有必要了。第二是notebook的问题，同一台电脑重新打开notebook其实输出还是会继续输出的，但是另外一台电脑就看不到实时的输出了，但是可以通过刷新来看到更新的输出。这时候千万不要写代码，否则刷新也没有用。当然最好还是用log来输出到文件。