一些想法 - 第24名

和其他一些人一样，我也是排行榜大洗牌的受益者之一。作为参考，我没有使用任何乘数。我认为我的解决方案相对简单，是 Light GBM 和一个简单的 LSTM 的组合。我发现最大的好处在于实现了本地 WRMSSE，这让我能够更好地进行调整，也让我在特征选择方面获益匪浅，特别是考虑到我在整个比赛过程中设计了大量的特征。

我认为这次比赛的挑战之一是评估指标。虽然我在训练过程中确实使用了自定义目标函数，但我尝试的许多不同方法在评估时往往没有得到我预期的结果。

最后，我发现我的交叉验证在结束时相当一致，并且接近我在 Private LB（私有排行榜）上得到的分数。顺便提一下，我的模型在公共排行榜上的表现仍然很差，得分低于上面的一些分数。

还有一点很有趣，我想知道主办方是特意选择了这个特定时期进行评分，还是仅仅是随意选择的。这个时期是否存在一些其他预测方法难以应对的细微差别，这也是他们被选中的原因吗？