[第6名方案] 使用单个LGBM模型进行伪标签

各位 Kaggle 友好！我是来自 PCEO AI CLUB 的 Dongkyu Kim。非常高兴能在 Kaggle 比赛中获得高排名！

我在 Private LB（私有排行榜）中获得了第6名（分数 0.84249）。我使用了伪标签（Pseudo Labelling）技术来提高分数。此外，我使用的是单个 LGBM 模型。我尝试了很多集成方法，但效果甚微，很难在 Public LB 上看到提升。

伪标签在本次比赛中非常有效。通过伪标签，我将分数从 0.84198 提升到了 0.84185（LB）。另外，我通过伪标签获得了 0.84245 的 Private 分数（相当于第4名的分数），但很遗憾我没有选择那个结果作为最终提交。

这是我的第6名解决方案代码！

我参考了很多讨论和代码，这些都非常有帮助。感谢所有分享过内容的人。谢谢！！