实战美年健康AI大赛之四_复赛使用数加平台

1. 说明

 美年健康AI大赛的复赛是线上赛，只能使用数加平台。第一次用数加，也遇到一些问题，在此总结一下。

2. 问题及解答

(1) 如何登录？

 得到复赛资格之后，天池赛题网页左侧的列表中就会多出一项“数加”，点击进入后，按提示得到RAM帐号，即可以登录“数据开发平台”和“机器学习平台”，注意登录帐号是用户名和企业别名的组合。
 网页上提供的Demo有点旧了，是2015年的，那时候好像还叫“御膳房”。建议官方及时更新，这样大家可以节约点时间，技术支持人员也没那么累。

(2) 如何访问数据？

 进入“数据开发平台”，点击上方的“数据管理”，即可进入数据界面，左侧的查找数据，可以通过关键字查找该项目下的表，像本题查找meinian就可以看到很多表，其中包括管理员建立的和其他参赛者建立的。 具体的项目名和表名见“赛题与数据”中复赛的说明。需要注意的是一般先要把项目数据用SQL复制到自己的空间中，然后再进行下一步操作。详见“代码分享”部分。 复制到自己空间后，就可以在“数据管理”->“个人帐号的表”中查看表信息了。

(3) 如何写程序和运行？

 进入“数据开发平台”，点击上方的“数据开发”，在左侧的任务开发树中可以创建程序。这里提供了SQL，Shell，Python等工具。并支持目录结构。

(4) 数加平台能否使用Python？

 能否使用pandas的DataFrame？ 之前听说数加平台只能用SQL+Java，于是很多人都重新学习工具，占用了大部分时间，美年初赛时大多数人使用的都是Python，也希望在复赛中使用初赛代码。那么数加平台能否使用Python呢？
 不同比赛提供的工具不同，美年复赛可以使用Python，具体方法是右键点“任务开发”，“新建任务”，在类型中选择PYODPS即可编写Python程序。 PYODPS帮助文档见：http://pyodps.readthedocs.io/zh_CN/latest/index.html

(5) ODPS是什么？

 ODPS(Open Data Processing Service),是阿里巴巴通用计算平台提供数据仓库解决方案．

(6) 线上Python如何访问数据表

 从PYODPS帮助文档中看到，可以通过o访问数据表，而o通过以下方式获得：

from odps import ODPS
o=ODPS('**your-access-id**', '**your-secret-access-key**', '**your-default-project**', endpoint='**your-end-point**') 

 大家花了很多时间找access-key, access-secret，在个人信息中看到access-key不对子用户开放，然后我们就以为python不能用了，悲剧了。
 其实在数加线上，o不用赋值就可以直接使用，access-key和access-secret是针对离线运行PYODPS的。希望官方在文档或者赛题中明确写一下（真心地没想到o可以直接使用）。
 读写数据及odps与dataframe转换，详见“代码分享”部分。

(7) 在何处提交结果

 题目提供的表中有测试集a：meinian_round2_submit_a，把答案写入用户空间的该表中，系统则会在评测时间自动对该表内容评测。因此，复制库成功后，表的内容为全0，评测时就有了成绩，得分约为9.1781，很低的分数。

3. 代码分享

（功能基本实现，代码还待优化，仅供参考）

(1) 把数据复制到本地

 数据开发->任务开发->新建任务->ODPS SQL 写以下SQL语句，并运行（一共5个表，都用此方法复制）

create table if not exists meinian_round2_data_part1 as select * from odps_tc_257100_f673506e024.meinian_round2_data_part1;

(2) 其它常用SQL语句

 查看已有的表
 show tables;
 查看表内容
 select * from meinian_round2_data_part1;
 看表中有多少条数据
 select count(*) from meinian_round2_data_part1;

(3) 将ODPS转成pandas的DataFrame

from odps import ODPS
from odps.df import DataFrame
submit_basedata = DataFrame(o.get_table('meinian_round2_submit_a'))
submit_data = submit_basedata.to_pandas()
print("total", len(submit_data)) 

(4) 存储ODPS数据

 这个我写了还没等到评测，不一定对，仅供参考。 具体功能是把训练集的均值作为预测值，因为不太会用writer，直接调用总是追加数据，只好在每次添加之前删表又重建，此处有待优化。

import numpy as np
from odps import ODPS
from odps.df import DataFrame
from odps.models import Schema
 
train_basedata = DataFrame(o.get_table('meinian_round2_train'))
train_data = train_basedata.to_pandas()
 
submit_basedata = DataFrame(o.get_table('meinian_round2_submit_a'))
submit_data = submit_basedata.to_pandas()
submit_data['sys'] = train_data['sys'].mean()
submit_data['dia'] = train_data['dia'].mean()
submit_data['tl'] = train_data['tl'].mean()
submit_data['hdl'] = train_data['hdl'].mean()
submit_data['ldl'] = train_data['ldl'].mean()
 
table_name = 'test'
odps.delete_table(table_name, if_exists=True)
odps.create_table(table_name,
 'vid string, sys bigint, dia bigint, tl double, hdl double, ldl double')
t = odps.get_table(table_name)
 
with t.open_writer() as writer:
 outdata = np.array(submit_data).tolist()
 writer.write(outdata)
 print("outdata length", len(outdata))
 writer.close()
 
print("@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@")
print(train_data.mean())
print(submit_data.mean())

4. 基本步骤

(1) 把数据表复制到自己的用空间
(2) 将pyodps转成pandas的dataframe
(3) 数据处理和挖掘
(4) 将dataframe结果转回pyodps能识别的格式存盘。

 我也刚开始做，觉得来好像这样转换一下，初赛的代码大部分就可用了。其它还没试，先这样吧，有空再写，祝师兄们马到成功 !!!