感谢组织者举办这场有趣的比赛，也感谢所有参与者的讨论！我认为有很多宝贵的知识可以学习和改进！

管道流程

我在比赛开始时构建了一个管道来进行交叉验证和测试不同方法。该管道依次使用每一年可用数据（2019年、2020年和2021年）作为验证集，而其他年份则用于训练。最后，使用全部数据进行训练并预测2022年的排放量。

具体细节请参考源代码。

使用PCA

我的解决方案的核心是使用PCA。我决定使用6个主成分，这是我在ambrosm的讨论帖中提到的。每个主成分都由某个（抽象）算法独立处理，然后将结果通过PCA逆变换得到最终预测。

算法

我使用的每种算法都有一个基础估计器作为参数，用于进行预测。这种架构使得在不同算法之间切换并优化交叉验证分数成为可能。

✓ PCA1算法

这个算法非常简单：它只处理`emission`数据，并使用估计器进行预测。许多讨论中都提到所有其他列都是不必要的，这是对该想法的实现。

✓ PCA2算法

这个算法有所不同：它使用所有列。PCA被分别应用于每一列，即我们拥有`列数` * `PCA组件数`个输入特征。

✓ PCA_SARIMA算法

在PCA1算法架构中，我使用了6个独立的SARIMA模型代替简单估计器。

最佳算法（本地CV和私有排行榜）是PCA2算法。

估计器

我使用了Ridge/Lasso回归、随机森林、XGBoost、CatBoost等。树基估计器之间差异不大，但它们比线性回归效果更好。因此我选择了XGBRegressor（n_estimators = 300, max_depth = 4, learning_rate = 0.01, subsample = 0.5）。

后处理

我受到ambrosm的帖子和其它讨论的启发，这些讨论建议将结果乘以一个常数。因此，我使用不同的乘数进行预测：1.00、0.95、1.05、1.07和1.08。

然而，不知何故，我选择了这五个提交中最差的一个作为最终预测！

如果完全不使用乘数，这将是第一名！