[第 8 名] [预测卡路里消耗] 竞赛解决方案

我在这次竞赛中最后一次提交是在 16 天前。因此，我很惊讶自己获得了第 8 名。我的解决方案是一个简单的集成（Ensemble），权重由爬山算法（Hill Climbing）确定。最终集成由来自 5 个 Notebook 的 5 个测试预测组成。算法选择的模型包括 3 个 Tensorflow、1 个 Catboost 和 1 个 XGBoost。在这次竞赛中，我主要专注于构建 Tensorflow 模型，以便通过实践更深入地理解张量、张量操作和这个库。

Notebook 预测集成 summary

其余以下均为我的私人 Tensorflow Notebook：

• Notebook #F_1025 -> Tensorflow
• Notebook #F_1021 -> Tensorflow
• Notebook #F_1024 -> Tensorflow

我没有费力优化公共 Notebook 或做一些独特的事情。我只是将它们与我的 Tensorflow 模型混合在一起就完成了。

爬山算法日志

Current Best model:
F_1023
Models to add to the best model: 
Starting RMSE:  [0.058812503]
Iteration: 1, Model added: F_1025, Best weight: 0.41, Best RMSE: 0.05860217
Iteration: 2, Model added: F_1027, Best weight: 0.27, Best RMSE: 0.05848809
Iteration: 3, Model added: F_1021, Best weight: 0.12, Best RMSE: 0.05847134
Iteration: 4, Model added: F_1024, Best weight: 0.05, Best RMSE: 0.05846814
complete