劉征又看著下面的題目，不禁說道：“醫學、通信，團隊沒有相關專業的不好做，另外一道表面上是氣象預測題，實質上也是大數據，還有就是最后一道，應該就是純大數據題。”
“你們覺得這兩道大數據題哪個好一些？”
程旭直接說道：“這兩題的優缺點都很明顯。大數據題：好處是好著手做，肯定能做出結果來，壞處是做的人多。最后結果也表明，選這題的人是最多的。氣象題好處是有一定專業門檻，能讓很多人望而卻步，但門檻又沒那么高，如果我們能克服表面的專業知識，回歸本質，會比大數據題更容易出彩。壞處是，我們不一定能克服這個門檻。”
林書同意程旭的看法，在他看來也覺得氣象題目會更容易出彩。
氣象題目E題如下：
探索大霧演化規律，預測大霧變化趨勢
為了估計不同大霧情況下對應的能見度以及預測大霧的消散，請回答以下問題:
一、眾所周知，霧與近地面的氣象因素有關。建立模型描述能見度與地面氣象觀測(溫度、濕度和風速等)之間的關系，并針對題目所提供的數據(機場AMOS觀測.zip)導出具體的關系式……
“要不就選氣象題目？”
林書不禁說道：“這個的確是很容易出彩。”
雖然說柿子要挑軟的捏，但是在數學建模競賽里面，太簡單的題目選擇的學生也多，也不容易出彩。
如果說是戰斗，那自然是要根據自己的實力來挑強者，這樣完成任務打敗強者獲得的經驗值可能也會很多，當然也不能沒有腦子地挑選強者，不然很可能就是自尋死路。
“那它第一問，你們怎么看？”
林書直接回答道：“第一問從技術方面來說打破了傳統的建模思維：將具體表達式展示出來。傳統的機器學習和神經網絡之類的算法，是一個黑盒子，只能得出筆記之間的聯系，卻無法顯示變量作用效果的大小，這也是不好理解機器學習所得出的結果的原因。我覺得第一問解決方法分為基礎和高級兩種方法。基礎的方法：多項式回歸、嶺回歸、逐步回歸；高級方法：可解釋的機器學習方法中的“RuleFit”，我記得《可解釋的機器學習》中的4.6節有提到這一個方法，這樣的高級方法絕對在評委中眼前一亮……”
沒有人說話。
林書還準備說什么，沒有聽見身旁劉征和程旭的聲正疑惑，一轉頭就看見劉征和程旭都睜大了眼睛望著林書，那眼神中帶著一絲驚訝。
《可解釋的機器學習》中的4.6節？
劉征和程旭相視一眼，兩人腦子里的問題應該是一樣的問號。
林書眉頭微皺，覺得劉征和程旭的眼神有些奇怪，目光又轉向氣象題目的第二問，說道：“而且，第二問的目的是讓我們根據視頻能夠分析出能見度的大小，那么我們便可以通過提取視頻中的特征信息圖像識別，我研一第一學期的論文有涉及到圖像識別這一方面，圖片中霧的變化對應于RGB的變化，通過圖像識別之后，變會成為對應色調上的RGB值，我們應該可以參照《Python數據分析與挖掘實戰》這本書的第九章內容……”
程旭望著林書，有些不確定問道：“你怎么記得這么清楚？”
林書眉頭一挑，覺得這個問題有些奇怪。
“就記得啊！”
“……”
團戰開始，劉征和程旭瞬間明白自己身旁立著一只巨大的腿。