第16名方案 - 卡尔曼滤波与提升树

我刚刚在我公司 Nousot 的博客上发布了我们团队的解决方案，代码已上传至 Github。在文章中，名为“公共笔记本组件”的章节开始详细描述了我们的方法论。感谢 @kyakovlev 提供的优秀数据管道。

我们的自定义组件通过 R 语言包 KFAS 使用了卡尔曼滤波，如果你倾向于状态空间建模，这是一个非常棒的时间序列工具。我们这次解决方案的数据管道是从头构建的，相对简单。然而，在比赛结束时，我们意识到我们的方案在稀疏序列上损失很大，因此我们使用 loess 拟合来帮助我们在来自公共笔记本的提升树方案和卡尔曼滤波方案之间为每个时间序列做出选择。我想这可以称之为“专家混合”模型。

这是一个卡尔曼滤波看起来比提升树方案更合理的案例：

而这是一个提升树方案看起来更合理的案例：

这是一场精彩的比赛。感谢所有参赛者！

Ben