#5 解决方案

首先，我要感谢比赛主办方、Kaggle 团队（@addisonhoward）和 @jeffsonas 组织了这场比赛。
我也要祝贺 @amirghazi 获得冠军，并鼓励那些因一两个名次或几场比赛而错失榜首或奖牌的朋友们。

关于我

这是我第一次参加这项比赛，必须说这真的很有趣。这也是我第一次建立篮球预测模型。过去我有一些经验，曾使用线性回归/其他回归模型以及跨赛季的各种数据/元数据，为欧洲足球主客队的全场/半场进球数建立模型（通常很容易过拟合，而简单的模型往往随着时间/赛季的推移表现更好）。
无论如何，我参加了 @zachmayer 在 Datacamp 上的课程，从中获得了这次比赛的基本思路和动力。

公开方案

我的第5名解决方案 Python 代码可以在这里找到。

数据集和特征

我只使用了比赛主办方提供的一部分数据。
我使用了当前的种子排名、历史胜率统计以及前几个赛季的比赛场次，这些数据可以反映球队在比赛中的深入程度。

模型选择

使用了 CatBoostClassifier，目标函数为 Logloss，并包含了一些类别特征。

交叉验证

仅使用最近2个可用赛季的数据进行验证；我没有在初始排行榜上进行任何提交。

我未尝试的内容

1. 我没有裁剪或修改我的预测概率。
2. 我没有使用 @raddar 的任何模型或数据集（因为我没有及时看到）。

模型表现

我的目标不是赢得金牌。我只是尝试建立一个好的模型，最初主要通过比较我与 @raddar 和 @zachmayer 的排行榜位置来判断我的表现；后来则是与 @koki25ando 、 @fritzcremer 和 @dynamic24 进行比较。

局限性

1. 时间： 我开始着手这项比赛的时间较晚。
2. 知识： 我对某些数据集和特征了解甚少。但主办方提供的数据描述非常有帮助。请继续保持。👍