第13名解决方案：ICR - 识别年龄相关疾病竞赛

正如你在评论中所说，预计这场比赛会有大变动，但说实话，我对这个结果感到惊讶。为了确保万无一失，我将在下面提供我的解决方案。

背景

业务背景：
数据背景：

方法概述

数据处理

• 缺失值：创建缺失值标记并用均值填充
• 列"EJ"：标签编码
• 添加分组特征：对于除目标变量外的变量，添加按"EJ"列分组后每个特征的['min', 'max', 'mean', 'std']统计量

训练

根据Chris下方的讨论，我创建了下采样的三个模型，并在训练时添加了类别权重。所有模型均使用StratifiedKFold进行验证，n_splits=10，然后使用种子平均法聚合结果。

• 模型1：LGBMClassifier（特征=全部）
• 模型2：LGBMClassifier（使用模型1中影响最大的20个特征进行训练）
• 模型3：CatBoostClassifier（特征=全部）

提交详情

• 提交公式：submission["class_1"] = 模型1×0.2 + 模型2×0.2 + 模型3×0.6
• 结果：Public=0.22, Private=0.36