第54名解决方案：差一点就能拿到银牌

这个方案与我的 WMM（女子疯狂三月）方案 https://www.kaggle.com/competitions/womens-march-mania-2022/discussion/316863 几乎相同，但采用了一些不同的方法。

集成模型

集成中包含了不同的模型：

• https://www.kaggle.com/jonbown/creating-sequential-data-for-random-forest-in-r
• https://www.kaggle.com/imoore/2019m-1st-solution-with-parameter-optimization
• 以及一个自建的堆叠回归器，包含 10 个回归模型：AdaB, Xgb, LGBM, CatB, RFR, LR, RidgeCV, GBR, HGBR 和 LSVR。

集成策略

与 WMM 比赛相比，上文提到的“加权移动目标集成”效果优于平均集成。就像许多其他的技巧和修复手段一样，这是一种需要运气的策略。

最终裁剪

对最终预测值进行了如下裁剪处理：

finalsubmission['Pred'][finalsubmission['Pred'] <= 0.2] = 0.05
finalsubmission['Pred'][finalsubmission['Pred'] >= 0.9] = 0.95