第5名方案

首先，恭喜比赛的获胜者们！

我的方案主要侧重于单一的 GBDT (LGBM) 模型，该模型使用了从 tsfresh 生成的特征。然后，对于 tsfresh 生成的每个特征，我使用按受试者归一化的特征值创建了匹配特征。随后，通过递归特征消除法将生成的约 9000 个特征进行了精简。我最终的 LGBM 模型 private LB 得分为 0.97816，public LB 得分为 0.98248。

然后，我简单地将我的 LGBM 模型（权重约 0.4）与我的 LSTM 模型（private LB 0.98259，public LB 0.98131）（权重约 0.2）进行了融合。剩余的权重（约 0.4）分配给了以下几个方案：