第5名方案（以及公共排行榜 +141 分）

1. 我发现 MaxAbsScaler 对数据的转换效果优于 Robust / Standard 或 Power (Gauss) 缩放器。

2. 一些三角函数略微改善了结果，例如 sin(f27)。

3. 我使用了 Keras 神经网络，包含 4 个全连接层，单元数量较多（从 600 开始），并使用了较高的 dropout（0.3）和 swish 激活函数（效果优于 relu）。

4. 选择正确的学习率和学习率调度器对于长时间的 epoch 训练和生成平滑的曲线非常重要。

5. 当数据块的情况变得清晰后，我开始使用简单的 KFold(shuffle=False) 进行 10 次分割——这样正好使用一个数据块进行验证，九个数据块进行学习。

6. SVM 后处理在一定程度上改善了结果（感谢 @ambrosm）。

7. 当很明显顶部排名存在严重过拟合时，我就只是静待比赛结束了 :)