第一名方案：经过调整的 LGBM

摘要

我们利用时间序列和地理特征训练了具有分位数回归功能的 LGBM 模型，用于短期预测。长期预测则使用了激进的 1 周平均值平滑处理。由于小规模地点数量众多，必须对前 30 个国家/州进行手动调整。

特征工程

• 人口
• 经度、纬度
• 星期几
• 每天占总病例的份额
• 滚动平均值/标准差（1周、2周、3周）
• 累计总数
• 确诊 - 死亡率
• 过去 2-3 周的趋势
• 按人口标准化的特征
• 基于最近 5-10-20 个地点的邻近特征

将特征重新缩放并四舍五入到小数点后 1-2 位，以减少过拟合。

外部数据

我首先搜索了公开的美国县级人口统计数据（年龄、收入、人口密度、COVID19 封锁信息等）。虽然找到了一些有用的来源，但我没有时间进行清洗和合并。我使用的唯一外部数据是每个地点的地理编码经纬度坐标。

建模

针对每个目标/分位数/预测滞后分别训练了单独的模型，使用了基于地点的 5 折交叉验证，并基于 Pinball Loss 进行早停。模型仅被训练用于预测接下来的 1-14 天。

• 训练了一堆具有随机参数的 LGBM 进行融合
• 基于地点权重和时间衰减的样本加权

后处理

• 将负预测值裁剪为 0
• 确保 0.05（0.95）分位数预测值不高于（低于）中位数
• 平滑每日预测值 (Y[t] * 0.66 + Y[t-1] * 0.33)
• 对于美国国家总数，使用州级汇总数据作为中位数
• 手动检查并调整了前 30 个国家
• 基于最后预测的周平均值的平坦长期预测
• 对 0.05 分位数和中位数添加了小幅每日衰减