第7名解决方案：我的第一枚金牌，而且是单人获得的！

大家好，
首先恭喜所有参加这次比赛的朋友。这是我在 Kaggle 的第一枚单人金牌。
该模型中使用的方案如下：

1. 三个数据集的特征工程

• MRegularSeasonCompactResults
• MRegularSeasonDetailedResults
• MMasseyOrdinals

2. 特征计算

• 胜率%（按所有地点和全部计算）
• 负率%（按所有地点和全部计算）
• 得分差（胜利得分 - 失利得分）
• 根据相对得分计算相对得分
• 按赛季和球队汇总所有结果
• 根据 MRegularSeasonDetailedResults 计算分差
• 根据 MRegularSeasonDetailedResults 计算胜率% 和负率%
• last14days_stats_T1：根据胜场数统计 day > 118 的数据
• last21days_stats_T1
• 基于上述表格的统计列
• MOR_127_128：基于 MMasseyOrdinals，筛选条件为 MMOrdinals.RankingDayNum == 127 和 MMOrdinals.RankingDayNum == 128
• MOR_50_51：逻辑同上
• MOR_15_16
• 合并上述三个结果，并从中找出最大值和统计列

3. 使用的模型

I. LightGBM 分类器

• GroupKFold(n_splits=4)
• CV 平均分: 0.5590, 标准差: 0.0167

II. XGB

• tree method gpu_hist
• learning rate .14

III. GroupKFold(n_splits=4)

4. 合并结果

根据两个模型合并结果。

我试图保持我的方法简单。

致以此致
Kamal