第17名 Private & Public 解决方案

恭喜所有参加这次比赛的 Kagglers，特别是那些拼命试图突破 Public LB 上 0.946 屏障的研究者们 😊

我感到非常兴奋和满足，因为这是我们的第一次 Kaggle 比赛。

我们使用了一个移除了漂移并进行过卡尔曼滤波的数据集。

近 4% 的训练数据因噪声过大而被切除。

我们的解决方案基于 WaveNet 和 带有 SHIFTED-RFC Proba 和 CBR 的 Wavenet，并由一个回调函数支持，如果在 40 个 epoch 内 macro f1 没有增长，该回调会提供早停并进行权重回滚。

我们受蒙特卡洛方法启发，用一种集成技术修改了这个估计器。基础预测是对预测中位数的四舍五入。

重要的一步是根据平均开放通道数将数据分为 5 组。这个想法让我们发现，我们的 WaveNet 集成为平均开放通道数最高的组提供了下限。

最终的估计器对平均开放通道数高的组采用 max(predictions)，对其他所有组采用 round(median(predictions))。

我们将很快发布完整内核。