第8名方案（再次飞越第1名）

简介
又是新的一周，再次向比赛的获胜者致敬！
写这篇文章的过程很痛苦，但 @jcaliz 鼓励了我，因为这个解决方案并非显而易见。

前言
大学时期我对宝石学很感兴趣，甚至考虑过获得 GIA（美国宝石研究院）认证来鉴定宝石。我还曾计划开一家自己的当铺，用来分拣钻石而不是 pandas 数据框。令人惊讶的是，我们的兴趣和职业道路会随着时间而改变。虽然我目前的重心完全不在宝石学上，但过去的经历和兴趣仍然可以是宝贵的财富。

第1部分：对抗异常值
看看这3张插图，我试图根据合理的价格范围来截断异常值（红框显示了 train 和 original 数据集差异极大的区域）。

一旦我修正了异常值的数值，CV（交叉验证）分数得到了极大的提升，但在 LB（公开排行榜）上的结果却很差……
为了理解为什么会发生这种情况，我决定查看最佳预测，瞧！原来所有模型都已经压缩了异常值，所以没有理由去修正它。

第2部分：模型本身已经很好了
我查看了 @tetsutani 和 @eamonntweedy 写的公开作品，因为他们的建模部分与我的有些相似。我发现的一个共同点是，模型从一开始就很好且泛化能力很强。虽然我真的不喜欢那种被压缩的预测值，所以我试图自己“帮助”模型。我大胆地想象自己是一名注册鉴定师，开始手动标记数据。

第3部分：可视化与完美的宝石
并无意自我推销，但我开始越来越多地研究 When 4Cs Concept becomes an Art 这个话题。我从训练集中选择了特定克拉范围内的“Ideal”切工、“D”色（最佳无色）、“Flawless”（无瑕）的宝石。想法是找到指定宝石组的最大可能值，并将其与测试预测进行比较，如果测试预测因某种原因更高——将训练集中的 Q3 + (1.5 * IQR) 分配给测试预测。这为20个样本带来了 +0.01 的 LB 提升。当我决定稍微自动化一下时：

def postprocess_clip_sub(best_sub: pd.DataFrame, alpha: float) -> pd.DataFrame:
    """