第9名解决方案

首先，我要感谢 Booz Allen Hamilton 和 Kaggle 主办了如此有趣的比赛！在比赛结束前的9天里，我从大约第800名上升到了第50名，而在比赛的最后一天，我又从大约第80名上升到了第23名。所以这一周对我来说非常激动人心。

我的解决方案非常简单。总结如下：

• 特征工程（主要是聚合特征）
• 构建多样化的模型并进行堆叠
• 使用随机搜索进行阈值调整

我简要介绍一下我解决方案的关键点。

如何构建训练集和测试集

许多内核使用了 get_data 函数来顺序处理用户行为数据。但我认为这个函数让我很难制作和管理特征。所以我采用了一种新的方法来制作训练集。让我展示一下。首先，对于每个游戏会话，我分配了一个编号，表示用户在该游戏会话之前尝试过的评估次数。下面是一个例子。

train_gs_assess_dict = {}
for ins_id, user_sample in tqdm(train.groupby('installation_id')):
    assess_count = 0
    for gs, session in user_sample.groupby('game_session', sort=False):
        if session['type'].iloc[0] == 'Assessment':
            assess_count += 1
        train_gs_assess_dict[gs] = assess_count
train['assess_count'] = train['game_session'].map(train_gs_assess_dict)

然后，我计算了评估之前用户活动子集的聚合特征。创建训练集和测试集的持续时间比内核的方法要长，但这使得特征的实现和管理变得非常容易。

模型与堆叠

我在第一层创建了8个模型。

我使用了岭回归进行堆叠。