第14名解决方案：带负权重的hillclimbers

大家好！虽然这次比赛我投入的时间不多，但仍想分享我的解决方案和思考。参与这类竞赛总是充满乐趣，衷心感谢所有贡献者和参与者。

特别致谢以下创建优秀模型的选手（请为他们点赞）：

• @arunklenin | 笔记本：🌋 PS3E15 | 迭代式CatBoost填充器与集成
• @tetsutani | 笔记本：PS3E15 EDA与集成堆叠基线
• @onurkoc83 | 笔记本：KNN填充器（LB分数：0.075094）
• @iqbalsyahakbar | 笔记本：PS3E15 | 初学者EDA、填充与集成

本次最终集成使用了我的开源项目 hillclimbers。关于该工具的详细说明，可参考我在上一届Playground Series比赛中获得第四名的解决方案详解。

要点说明

• 我的模型（第一个hillclimbers模块）采用了@arunklenin的预处理与特征工程方案，并对所有模型的超参数进行了手动调优。
• 我注意到许多公开笔记本严重依赖以下三种模型：XGBoost、CatBoost和LGBM。这在Playground系列赛中很常见。构建本模型的主要目的是增强预测多样性，即使仍在使用多个梯度提升模型。
• 令人意外的是，我自建的模型在Private LB上获得了0.072698的分数，优于最终提交的0.072741，尽管其CV分数较低。遗憾的是我未将其选为正式提交方案。

hillclimbing模型权重

感谢阅读！欢迎任何反馈意见。