大家好，可能也有运气成分，但我成功进入了前10名。

以下是我采用的方法：

• 通过特征工程创建两个新数据集（查看详情笔记本）
• 基于这些新数据集，我使用OOF预测构建了两个堆叠模型（参考笔记本）：
  堆叠模型1： LGBM、梯度提升、CatBoost、随机森林
  堆叠模型2： KNN、逻辑回归、XGB、AdaBoost、ExtraTrees
  两个堆叠均使用逻辑回归作为一级模型
• 将两个堆叠模型的预测结果进行平均融合

最终构建的模型虽然复杂，但我认为核心优势来自于特征工程过程。对于本次比赛（以及所有数据科学竞赛）的最佳建议是：忽略公共排行榜分数，专注于优化你的交叉验证分数。我采用的是简单的10折交叉验证方法。