第二名解决方案
大家好，
首先，我要感谢 siukeitin 富有洞察力的帖子和评论。他的 Grandmaster 头衔实至名归，我从他的工作中学到了很多。其次，我要感谢 paddykb，他在 notebook 中创新地将所有特征视为类别的方法，被证明是本次比赛的关键转折点。他的优秀 notebook (PS s4e10 - No Keras, No Loan (cv 0.963)) 也为我集成模型的多样性做出了贡献。
老实说，我不是专家级数据科学家。考虑到有许多才华横溢的参与者，能获得第二名让我感到惊讶。顺便说一下，我的方法相对简单，你可以在 这里 看到我的 notebook。
总之，我没有选择我最好的 LB 分数 0.97350（CV 为 0.96954）。我的最终提交如下：
- CV(5 折)=0.97107, LB= 0.97217 (21 个模型)
- CV(5 折)=0.97026, LB= 0.97335 (24 个模型)
为了达到这个结果，我使用了原始数据集，并在少数模型中做了一点特征工程（添加新特征）以增加多样性。
下面的截图来自我的 notebook。
祝大家一切顺利，
OMID BAGHCHEH SARAEI