刘征又看着下面的题目，不禁说道：“医学、通信，团队没有相关专业的不好做，另外一道表面上是气象预测题，实质上也是大数据，还有就是最后一道，应该就是纯大数据题。”
“你们觉得这两道大数据题哪个好一些？”
程旭直接说道：“这两题的优缺点都很明显。大数据题：好处是好着手做，肯定能做出结果来，坏处是做的人多。最后结果也表明，选这题的人是最多的。气象题好处是有一定专业门槛，能让很多人望而却步，但门槛又没那么高，如果我们能克服表面的专业知识，回归本质，会比大数据题更容易出彩。坏处是，我们不一定能克服这个门槛。”
林书同意程旭的看法，在他看来也觉得气象题目会更容易出彩。
气象题目E题如下：
探索大雾演化规律，预测大雾变化趋势
为了估计不同大雾情况下对应的能见度以及预测大雾的消散，请回答以下问题:
一、众所周知，雾与近地面的气象因素有关。建立模型描述能见度与地面气象观测(温度、湿度和风速等)之间的关系，并针对题目所提供的数据(机场AMOS观测.zip)导出具体的关系式……
“要不就选气象题目？”
林书不禁说道：“这个的确是很容易出彩。”
虽然说柿子要挑软的捏，但是在数学建模竞赛里面，太简单的题目选择的学生也多，也不容易出彩。
如果说是战斗，那自然是要根据自己的实力来挑强者，这样完成任务打败强者获得的经验值可能也会很多，当然也不能没有脑子地挑选强者，不然很可能就是自寻死路。
“那它第一问，你们怎么看？”
林书直接回答道：“第一问从技术方面来说打破了传统的建模思维：将具体表达式展示出来。传统的机器学习和神经网络之类的算法，是一个黑盒子，只能得出笔记之间的联系，却无法显示变量作用效果的大小，这也是不好理解机器学习所得出的结果的原因。我觉得第一问解决方法分为基础和高级两种方法。基础的方法：多项式回归、岭回归、逐步回归；高级方法：可解释的机器学习方法中的“RuleFit”，我记得《可解释的机器学习》中的4.6节有提到这一个方法，这样的高级方法绝对在评委中眼前一亮……”
没有人说话。
林书还准备说什么，没有听见身旁刘征和程旭的声正疑惑，一转头就看见刘征和程旭都睁大了眼睛望着林书，那眼神中带着一丝惊讶。
《可解释的机器学习》中的4.6节？
刘征和程旭相视一眼，两人脑子里的问题应该是一样的问号。
林书眉头微皱，觉得刘征和程旭的眼神有些奇怪，目光又转向气象题目的第二问，说道：“而且，第二问的目的是让我们根据视频能够分析出能见度的大小，那么我们便可以通过提取视频中的特征信息图像识别，我研一第一学期的论文有涉及到图像识别这一方面，图片中雾的变化对应于RGB的变化，通过图像识别之后，变会成为对应色调上的RGB值，我们应该可以参照《Python数据分析与挖掘实战》这本书的第九章内容……”
程旭望着林书，有些不确定问道：“你怎么记得这么清楚？”
林书眉头一挑，觉得这个问题有些奇怪。
“就记得啊！”
“……”
简单随意的一句话，让刘征和程旭哑口无言。
团战开始，刘征和程旭瞬间明白自己身旁立着一只巨大的腿。