代码学习
听了源码讲解的视频，了解了baseline的思路。
baseline是传统的机器学习方法，首先提取30次特征，然后统计样本30次预测里占多数的结果为最终结果。
考虑的改进：
1.30次换成更多次数，50次或者100次，会不会效果更好。
2.选取的特征可以换成其他的试试看。
神经网络处理图像
给出的cnn模型代码，跑通了之后结果在0.74左右。
cnn进阶的直播讲座里，提到了很多技巧：
- 数据增强
- 抛弃无效数据
- 图片调整
- 损失函数的选择（focal loss等）
具体哪种技巧能有效提升结果，还需要实践尝试。
先mark住。
成绩截图
