第 16 名解决方案

这可能部分归功于运气，但我很高兴能冲进金牌范围。

我发布了我的解决方案 notebook。

我的解决方案主要要点如下：

• 使用 IterativeImputer 进行缺失值填补
• 基于 parquet 文件的特征工程
• 使用自定义 QWK 目标和指标进行 LightGBM 训练
• 进行 10 x 10 嵌套交叉验证以获得可靠的验证分数和稳定的测试预测
• 仅使用嵌套交叉验证的总体预测进行一次阈值优化。

有关上述要点的更多详细信息，请参阅我的 notebook。
为了确认我的解决方案的稳健性，我改变了 StratifiedKFold 的种子，并在后期提交中检查了 LB 分数。结果如下。

性能看起来相对稳定。我还进行了如下简要的消融研究。

这是基于单次执行的结果，但从这些结果来看，缺失值填补在这次比赛中似乎很重要。不幸的是，我的自定义目标和指标仅对 CV 分数有所贡献。然而，我计划继续探索这个想法的有效性。

感谢阅读！