第10名解决方案

恭喜获奖者！

非常感谢 Kaggle 团队举办这次比赛，希望获胜的解决方案能为这个问题带来有用的见解。

我的解决方案仅基于表格数据。

数据增强

该策略已在许多公开的内核中分享过。你可以在这里找到它。

验证

我在比赛期间已经在这里分享了我的验证策略。

特征

我使用了以下特征：'base_FVC', 'base_Percent', 'base_Age', 'Week_passed', 'Sex', 'SmokingStatus'

FVC 预测

最终的 FVC 预测是以下回归器的平均值：

• SVM (支持向量机)
• KNN (K近邻)
• NN (神经网络)
• Quantile Regressor (0.5) (分位数回归)
• RF (随机森林)
• LM (线性模型)
• HuberRegressor (Huber 回归)
• ElasticNet (弹性网络)
• Lgbm (LightGBM)

置信度预测

1. 计算最终 FVC 的最佳置信度值，实际上是：

   Confidence = np.sqrt(2)*np.abs(FVC_true - FVC_pred)

2. 使用与 FVC 预测相同的模型来训练置信度。
3. 训练一个二元分类器来判断 Confidence <= 100。
4. 使用第 (2) 步的预测结果，并通过第 (3) 步进行后处理。

对我无效的方法

• 所有涉及图像数据的方法。
• 表格数据上的线性增强。