第47名解决方案 | 重复K折交叉验证的CatBoost

这是我第一次参加竞赛，很高兴能取得不错的成绩。该方案采用了CatBoostClassifier算法，并结合重复K折交叉验证来划分训练集和验证集。

我的代码笔记本：查看笔记本

采用的策略

• 同时使用竞赛提供的训练数据和原始数据集
• 特征选择：仅移除了"id"和"UID"列
• CatBoostClassifier：使用CatBoostClassifier算法获得了非常满意的效果，其内置的类别特征处理能力被证明是制胜关键
• 重复K折交叉验证：采用重复K折交叉验证方法构建稳健的训练集和验证集

特别感谢以下宝贵资源，它们对我在本次竞赛中理解和实现CatBoostClassifier起到了重要作用：

Jimmy Yeung的CatBoost教程：查看教程笔记本