两个 XGBoost 模型 + 每组的降雨比例

我计算了两个 OOF（袋外预测），使用了两个 XGB 模型，一个针对训练数据，另一个针对原始数据。然后结合了预测结果，原始数据的权重为 0.3。

我还通过按每列分组并计算均值、标准差、偏度和降雨比例来添加额外特征。XGB 最显著捕捉到的是降雨比例（组内天数总和除以雨天次数）。

我使用了与上个月 Chirs D. 相同的内层折叠外层折叠结构。这在公共排行榜上没有取得非常好的分数，但出乎意料地在私有 LB 分数上表现很好。

model = XGBRegressor(
    objective="reg:logistic",
    max_depth=6,  
    colsample_bytree=0.9, 
    subsample=0.9,  
    n_estimators=10000,  
    learning_rate=0.1,  
    enable_categorical=False,
    early_stopping_rounds=100,
    verbosity=2,
    eval_metric=['auc'],
)