使用基线模型获得前29名的经验分享

大家好！
我认为排行榜的波动是可以预测的，并且可以通过对抗性验证来观察。虽然我知道会有波动，但我没有避免它的策略。

令我相当震惊的是，我的CatBoost基线模型在私有排行榜上得到了0.49890的分数，而在公共排行榜上为0.35651。它基本上直接拟合了数据，没有任何特征工程和预处理。
这是关于这个基线模型的链接。

我最好的提交是我幸运挑选出的结果，它是通过集成方法我的发散策略中的最佳提交产生的。幸运的是，我没有将那个基础模型包含在我的集成中。事实证明非常有效，我放入集成中的最佳CSV文件在私有排行榜上得分0.481，最终提升到0.502。

这种发散策略包括：

1. 医学方法，由Tanoi提出
2. 聚类工程，由belati提出
3. 降维技术，由tetsu213提出

真是非常棒的经历！我期待下一场比赛。