第6名解决方案

大家好，这是我第一次参加 Kaggle 比赛。我非常享受这次比赛的过程，并为此苦思冥想了大约三个月。我不知道自己为什么能获得金牌，但我确信这要归功于所有分享过 Notebook 或建议的朋友们。在这里，我将简要描述一下我的解决方案。

预处理

我通过以下步骤创建图块。在所有预处理步骤中，我没有调整图像大小。

• 从每张图像中等间距切出6个宽度为512的矩形（此步骤的目的是快速创建图块，并在不调整大小的情况下避免内存溢出）。
• 从上述矩形中制作大小为 512x512 的图块，并从每张图像中选取前8个最暗的图块。
• 将每个图块分割为大小为 32x32 的实例用于训练。

关于 pyvips 的使用，我参考了以下内核。感谢 @analokamus ！

验证与欠采样

我使用了结合欠采样的留出法。

• 将患者 ID 按类别（CE, LAA）分层划分为训练集和验证集（80:20）。
• 仅在训练数据集上进行欠采样，使 CE:LAA 的比例为 1:1。

模型

我创建了包含以下两种方法的集成模型：

• CNN
• lightGBM

仅使用 CNN 的模型与集成模型在 Private LB 上的差异很小（大约从 0.676 变为 0.668）。

顺便提一下，我为每个机构（中心 ID）创建了一个模型。（这种方法对测试数据集可能无效，因为测试集的机构可能与训练集不同。）

关于 CNN，我参考了以下内核。感谢 @vbookshelf ！

对我无效的方法

• 灰度化
• 直方图均衡化

感谢阅读。