style. Adjust menu

机器学习竞赛实战_优胜解决方案/滴滴——预估到达时间/README.md

@@ -24,24 +24,28 @@
 
 由于滴滴数据保密协议，博主也无法找到可开放数据及数据地址，故无法提供。
 
+### Features
+
+- max_order_xt：head级别的特征，如同一sample_eta、distinct等
+- max_170_link_sqe_for_order：link序列特征，如右格式：[link_id_1, link_id_3, link_id_20...]
+- cross_data_dir：cross序列特征
+- link_data_other_dir：link统计特征，如某link_id前6小时的均值、求和等
+- head_data_dir：历史同星期的全天的统计特征
+- win_order_data_dir：订单的滑窗特征，如当前订单时间点的前段时间的统计特征
+- arrival_data_dir：历史到达路况状态的统计特征
+- zsl_arrival_data_dir：同上，不同人进行构建
+- arrival_sqe_data_dir：到达时刻的序列特征，提供给DCN的T模型进行蒸馏给S模型
+- pre_arrival_sqe_dir：利用树模型预测的到达时刻特征
+- zsl_link_data_dir：link统计特征，不同人构建
+
 ### Model
 
 - DCN模型
-  - max_order_xt：head级别的特征，如同一sample_eta、distinct等
-  - max_170_link_sqe_for_order：link序列特征，如右格式：[link_id_1, link_id_3, link_id_20...]
-  - cross_data_dir：cross序列特征
-  - link_data_other_dir：link统计特征，如某link_id前6小时的均值、求和等
-  - head_data_dir：历史同星期的全天的统计特征
-  - win_order_data_dir：订单的滑窗特征，如当前订单时间点的前段时间的统计特征
-  - arrival_data_dir：历史到达路况状态的统计特征
-  - zsl_arrival_data_dir：同上，不同人进行构建
-  - arrival_sqe_data_dir：到达时刻的序列特征，提供给DCN的T模型进行蒸馏给S模型
-  - pre_arrival_sqe_dir：利用树模型预测的到达时刻特征
-  - zsl_link_data_dir：link统计特征，不同人构建
+  - ![1628669063602](assets/1628669063602.png)
 - WDR模型
-  - 同上
+  - ![1628669073291](assets/1628669073291.png)
 - LGB模型
-  - 待补充
+  - ![1628669152380](assets/1628669152380.png)