第30名解决方案的一部分

恭喜所有的获奖者！
这确实是一场艰难的比赛，但我们享受其中并学到了很多！
我想感谢所有参与这次比赛的Kagglers！

我们的团队获得了第30名，实际上我的模型对我们的最终结果贡献并不大。
队友们的模型表现远比我的好。
但我们团队一致同意不公开我们的完整解决方案。
尽管如此，我认为我想（或者需要）公开我的一些工作，所以我发布了这篇帖子。

LSTM 笔记本

我在两个月前发布了LSTM 笔记本，我想展示一下之后的发展情况。

这就是那个笔记本。

我应用了自注意力层（self-attention layer）以及一些其他的修改，因此效果有所提升。
实际上，这个笔记本的表现只能说是马马虎虎。公共分数是 6.060。
欢迎提出任何评论或反馈。谢谢！

后处理

我尝试了一种后处理方法，但它在公共排行榜上不起作用，所以我们没有使用。
但当我看到私有分数时，它似乎起作用了。
所以我也选择公开以下笔记本。

其核心思想是修正“吸附到网格”的结果。
我们认为真实值应该在网格上，所以我们依赖了吸附到网格的方法。
但在我们应用了吸附到网格之后，有些路径看起来明显是错误的，所以我着手解决了这个问题。

这是后处理的准备工作。
这是后处理的实现。

再次感谢大家！我收获了又一段难忘的比赛经历。我非常享受其中！
期待在其他比赛中见到大家！