第10名 私有榜（第10名 公开榜）解决方案

我们在本次比赛中使用了两个“魔法”技巧：

1. 测试集发生了轻微偏移：我们利用互相关（cross-correlation）使其更接近训练集的分布；
2. 移除了50Hz的正弦噪声。

在我们看来，模型的选择在本次比赛中并不是最重要的，但 Wavenet 的变体表现确实略优于其他模型；
我们的模型库包括：6个 Wavenet（使用交叉熵和 Focal 损失函数）、2个 CNN2d-Wavenet、1个 CNN2d 和 1个 LGBM。

我们表现最好的模型（CV 和 LB 均最佳）是基于4个特征（清洗后的信号、信号差分、22窗口内的信号最小值和最大值）的 Wavenet，以及 CNN2d-Wavenet。

我们没有使用训练数据中的噪声部分（第8批次的一部分），并且对折预测结果进行了融合（EMA衰减效果显著！）。

我们所有的单模型（LGBM除外）在私有排行榜上都达到了金牌分数，但融合后的效果总是更好。

我的队友将在评论区描述解决方案的其他部分。