第18名方案

首先，我要感谢 Kaggle 和主办方举办了如此有趣的比赛。同时，我要祝贺所有的获奖者。虽然我没能获得单人金牌，但我从这次比赛中学到了很多。

1. 概述（与其他方案大致相同）

我的方案是结合了伪标签的21个模型的加权平均集成，并使用了 Nelder-Mead 优化方法。这与其他方案大同小异。我的独创性在于将 \n 替换为 [Chapter]。这使 CV 提高了 0.0015。在此讨论中，我将详细展示我的 CV 和 Private LB（私有排行榜）之间的关系。

1.1 配置

1.2 CV 与 LB 的关系

1.3 各模型的 CV 和得分

※ pseudo1 和 2 将在下一章解释
※ 顺序按 Private LB 得分从高到低排列