场地控制

使用 @statsbymichaellopez 的 VIP 提示帮了大忙。这里是相关论文。

为了实现它，我使用了这个不错的 Kernel（感谢 @pednt9），并使其在冲跑者前方 224 个点的情况下，每次进攻的运行时间低于 10ms。

我没有记录 LB 上的所有改进，但保守估计，这给了我 0.00010 到 0.00030 之间的提升。

表格模型

我的模型源自 Fastai 的标准 TabularModel，包含几个子模块，如下所述：

损失函数

我的损失激活函数是 softplus，然后我对输出进行归一化使其总和为 1，并反向传播 CRPS。

inps = softplus(inps)
inps = (inps / inps.sum(1).unsqueeze(-1)).cumsum(1)
return (inps - targ).pow(2).mean()

冲跑者朝向东北方向

许多参赛者翻转了进攻战术，使其全部从左向右进行。我也进行了翻转，使所有冲跑者都朝着 Y 增加的方向移动。后者给了我 0.00010 的 LB 提升。

最大的遗憾

没有像 @wimwim 在他的方案概述中解释的那样清理 S 和 A。我想这是初学者的错误，没有充分分析初始特征且没有发现不一致之处。教训已吸取！