谢谢大家！

我的解决方案非常简单。所有内容都可以在这里找到。

1. 我使用了公开最佳提交的结果。

我使用了公开提交，因为我的神经网络模型在交叉验证（CV）中的分数从未超过 7.7。我很期待看到其他的解决方案。

2. 基于共享 WiFi 记录和设备 ID 的泄露信息修正楼层预测。

我假设具有相同 ID 的路径位于同一楼层，但这对于训练航点并不总是成立的。当结合随后的最短路径搜索后处理时，基于泄露信息修正起点/终点航点的效果并不好。此过程仅更改了私有测试集中三条路径的楼层预测，即此过程并未改变公开 LB 分数。

3. 基于Dijkstra 算法对航点进行后处理。

我将任务重新定义为最短路径问题，而不是回归任务。我基于 Dijkstra 算法搜索具有最小成本的路径，其中节点是训练航点和增强航点。

我没有使用手动标记的航点，而是使用以下规则生成增强航点：

• 增强航点具有与训练航点相似的 X 和 Y 值（训练航点子集的平均值）。
• 增强航点位于走廊中。
• 增强航点与训练航点以及彼此之间都有足够的距离。