第26名解决方案
很幸运能以第26名的成绩完成这次比赛！
这是我的解决方案 :)
整体模型架构
交叉验证策略
- 对分箱后的 Pawpularity 得分进行 10 折分层交叉验证 (10 stratified fold)
- 100% 信任交叉验证结果，因为有报道称本次比赛中交叉验证与 Leaderboard (LB) 的分数并不真正相关
模型
| 模型 | CV | Pub LB | Priv LB | 备注 |
|---|---|---|---|---|
| LightGBM Stacking | 17.1585 | 17.8592 | 16.9833 | 以下5个模型的堆叠 |
| LightGBM 表格模型 | 20.0685 | - | - | 提供的元数据 使用 Yolov5 推断猫或狗的标签 使用 swin tiny 推断品种标签 |
| Swin large 1 | 17.4748 | - | - | fastai, mixup |
| Swin large 2 | 17.4862 | - | - | fastai, mixup |
| Efficientnet b0 | 19.1828 | - | - | fastai, mixup |
| SVR | 17.5398 | - | - | Swin large 3 (无头部/headless) |