第1名（或第16名）简短总结

大家好，特别感谢 Chris Deotte、Vitalii Mokin 和 Trigram。很抱歉遗漏了其他人，接下来的几天我们会给那些被我们忽略的内容点赞。感谢组织者和 Kaggle 团队，这整个比赛对我们意义重大，仅仅达到金牌水平就已经让我们感觉非常棒了。

关于数据泄露，虽然之前已经描述得很清楚了，但还有其他一些线索，我们当然不认为自己发现了什么新东西。

• Matlab 代码中有一条模糊的注释，说在 5 以上不起作用。
• 它没有用时钟作为种子。Matlab 的一个“特性”（不是 bug）是随机数生成器（RNG）在启动时默认产生相同的链。这可能是问题的最初来源。
• 在 max10 数据集的 50Hz 信号中可以看到明显的拍频。
• 你实际上可以在视觉上看到信号之间的相关性（我们碰巧在 5+5 上做加法来获得一些额外的噪声用于模拟，并检查了所有数据的 .corr。看起来很多人都有同样的想法）。

据我们所知，泄露完全局限于一个 max10 私有数据集。当然，一旦你知道了，一切似乎都很明显，但我们原本预期即使有优势也很小，而且大家都在讨论排行榜会发生大震动。我认为在最后一周“披露”它是不合适的。

你可以把这看作是第一名的总结，或者按照你的喜好看作是第16名的总结。我们最终会提供更多细节，但我没打算这么快就写任何东西。

一个很大的改进来自 50Hz 清洗。我们最终在将信号标记为 mod200 后，对几个周期的信号减去 lgbm 预测值进行了平均。这很好地解释了 50Hz 附近频率和幅度的小幅漂移，而且非常简单。（对我们来说，真正的傅里叶变换并不是正确的路子）。

正如 Rob 最近指出的那样，位移显然也很重要。他的第四点怎么强调都不为过。

我们在贝叶斯推断模型上花费了大量时间，尽管最后我们没有使用它，因为 max10 数据集突然变成了 max5，而且在良好的 50Hz 清洗之后，贝叶斯模型实际上与 LGBM 相同（但没有任何机器学习！）。这需要足够的蒙特卡洛模拟来找到状态转移概率，我们也将其用于数据增强。

最后，max25 数据集的初始化方式不同（第二个“低”HMM）。这对贝叶斯模型来说很重要，因为我们从初始状态开始，并随着每个信号点向后更新。（尽管这对 f1 分数没有显著影响）