第8名解决方案：赢得金牌的一个关键技巧

Joseph
Kaggle Master

感谢我的队友 @hookman @zui0711 @max2020 @librauee，我从他们身上学到了很多。他们发现的关键技巧是数据中存在两个群体：真实患者和对照组。我们可以通过每个ID的最小visit_month差值来识别：

for df in [clinical, sup_clinical]:
    df['visit_month_diff'] = df.groupby(['patient_id'])['visit_month'].diff()
    df['visit_month_diff_min'] = df.groupby('patient_id')['visit_month_diff'].transform('min')

在clinical和sup_clinical数据中，visit_month差值有3、5、6、12、36个月。我们只选择3、6、12、36部分作为训练数据，并将3、36转换为6。我们发现3、6和36的updrs值明显更高，而12的updrs值较低（5部分因异常被剔除）。

由此我们可以得出结论：visit_month差值==6的是真实患者，visit_month差值==12的是对照组。

我们使用分段函数分别优化两个组的smape指标：

def calculate_predictions(pred_month, trend):
    if target == 'updrs_4': 
        pred_month = pred_month.clip(60, None) 
    pred_month2 = (pred_month-60).clip(0, None)
    return np.round(trend[0] + pred_month * trend[1] + pred_month2 * trend[2])

在第一次推理循环中，我们无法获得visit_month差值，因此基于真实患者+对照组训练了额外的系数。在每次循环中，我们记录历史数据以便获得最小visit_month差值。

发现这两个群体可以帮助你在公开榜上达到54.2~54.8分，在私有榜上达到60.1~60.7分。