第13名解决方案

首先，祝贺获胜者们！

我的解决方案基于LGB模型，我为每个预测时间点（0, 6, 12, 24）和每个目标（updrs_1, updrs_2, updrs_3, updrs_4）分别构建了一个模型。

我用于所有目标的关键变量是：

• "visit_month"
• "num_visits"：患者在visit_month之前的就诊次数
• "relation"：这两个变量之间的关系

目标函数是MAE。

使用这些特征，我达到了：
CV ~ 54.57 (公开分数: 54.5, 私有分数: 60.3)

值得一提的是，我的提交中大约有70%的表现优于我最终选择的两份提交。（幸运的是我获得了金牌）

特征选择

我进行了一项分析，以确定能够提升我本地验证效果的蛋白质，特别是针对updrs_1、updrs_2和updrs_3。该分析通过运行多次折叠划分并取CV的平均值来减少随机性。

其他措施

• 我在蛋白质NPX值中引入了随机噪声以防止过拟合。
• 我随机将15%的蛋白质NPX值设为Null，同样作为防止过拟合的措施。
• 我对updrs_3和updrs_4进行了目标转换（np.log1p/np.expm1）

综合以上所有措施，我最好的本地验证分数为53.46（公开分数: 54.8, 私有分数: 60.9）。

对我无效的方法

• 移除训练中的异常值
• 自定义目标函数
• 使用不同模型的集成
• 先预测趋势再预测残差

经验总结

• 我应该选择一份基于公开排行榜（public LB）的提交和另一份基于CV的提交，而不是两份都仅仅依赖CV。
• 下次，我将投入更多时间进行更深入的数据探索分析（EDA）。