第5名方案：我的第一次比赛和第一枚金牌

大家好，

我要感谢 Kaggle 和主办方举办了这么好的一场比赛。我也要感谢我的队友 (@Hyper-Positive-Yancy)，他做了一些 EDA（探索性数据分析）并调整了神经网络（NN）。

使用的模型

我们最终的集成模型包括：

• Lightgbm X 8
• CATBOOST X 4
• ANN X 1

数据使用周期

• 赛季内采样
  我只使用了赛季内的数据。即使我从数据中提取了赛季外的数据，我们也没有发现准确率有任何下降。
  但是，在 2019 年的数据中，我删除了很多数据。这一年，伟大的铃木一朗的退役比赛在日本举行。他在退役比赛中表现不佳，但他有很高的参与度。
  我认为这个数据是异常值并将其删除了。由此我得出结论，特殊的比赛（如退役比赛）应该从数据中移除。

特征工程

• 先发投手滞后特征
  正如我在这里提到的，我使用了“先发投手滞后特征”。先发投手有时投球（每 4~5 天一次），但他们的目标值 1~4 很高。我建立了一个子模型来预测“这位投手明天是否会投球”。如果这位投手明天投球，他将获得很高的目标值。
  “这位投手明天是否会投球”很容易预测，因为 MLB 投手有轮换（他们大多数人每 4~5 天投一次）。
  当我将此特征与“目标滞后特征”一起使用时，我的公共 LB 分数变好了。

• 明天是否有比赛
  在这次比赛中，我们要预测“明天”的参与度，但球员的统计数据是今天的。即使球员今天表现很好，如果明天没有比赛，我们也可以看到参与度值会很低。
  因此，明天是否有比赛将是预测参与度的一个重要因素。

• 目标滞后特征
  如前所述，此特征在与“先发投手滞后特征”一起使用时很有效。因此，我认为使用 3 到 7 天的目标滞后特征非常有意义。
  但是，在评估期的后半段，我必须使用目标数据的预测值。这可能是导致我们后半段模型性能下降的因素之一。

• 击球贡献度

• 投球贡献度
  为了公平地评估所有运动员，我们使用了针对运动员的评估指标。我主要使用两个评估指标：“击球贡献度”和“投球贡献度”。
  我在这里找到了“击球贡献度”（抱歉该页面是日文）。
  我在这里找到了“投球比赛分数”。
  作为一个问题，即使是同一位置的投手，也有救援投手和先发投手之分，而且救援投手的投球比赛分数往往较低。因此，该球员作为先发投手投球的概率也被作为一个特征加入。

验证方案

对于训练和验证，我使用了各个赛季内的数据。在训练数据更新后，我更改了验证方案。

训练集：2018年4月1日 至 2021年6月30日
验证集：2021年7月1日 至 2021年7月31日