第3名解决方案

首先，我要感谢 INGV 和 Kaggle 举办了这次比赛。
这是我第一次参加 Kaggle 比赛，很高兴能获得第三名。
同时，我很抱歉这么晚才在讨论区发布这篇文章，而且我的想法组织得还不够完善。

在比赛的大部分时间里，我一直在纠结验证集分数和公开榜单分数之间的差异。
直到最后（截止日期前2天），我才注意到测试数据有两种类型：一种与训练数据相似（A型），另一种则不相似（B型）。
通过对抗验证，这一点清晰地显现了出来。
我分别对 A 型和 B 型数据进行了评估。

针对 A 型数据

特征：

• 按对数尺度汇总的频谱

算法：KNN 回归器

针对 B 型数据

特征：

• 按对数尺度汇总的频谱
• 0.8-3.5 Hz 和 3.5-8.0 Hz 频率的变异（标准差、偏度和峰度）
• 传感器值的最大值、平均值、标准差

算法：Light GBM

非常乐意接受任何建议或提问。