Child Mind Institute- Detect Sleep States大赛第二名方案！
Kaggle最新比赛Child Mind Institute - Detect Sleep States已结束，这是一道关于序列的问题，在阅读前排的方案时，第二名的策略的思路中有非常多值得借鉴的想法，其中包括如何使NN模型在该类问题中得到稳定的训练，如何处理NN在长时间周期问题预测上的不足的问题，还有使用ML模型对多个Events预测进行融合处理的思路，都非常值得学习借鉴。
1. 阶段1： 事件检测&Sleep/Awake分类
对特征进行一些预处理之后，直接使用U-Net, Deep pyramid网络进行建模，
事件检测，使用Peak检测寻找事件的steps，如果状态是负向变化的，那么就是onset，否则就是wakeup。
二阶段的设计主要是因为下面两个原因。
1、 每天少于2个Events
第一阶段神经网络并不能考虑比赛的这个重要的限制，即一天中最多发生两次事件。例如下面这个例子：
A) The third candidate in a day with a confidence score of 0.20.B) The first candidate in a day witha confidence score of 0.19.
在很多情况下，B的结论比A要重要很多。
2、长周期特征：
网络较难处理原始的特征以及长周期的特征 ，例如：
