大家好，

感谢 Kaggle 举办这次比赛，恭喜所有人，感谢大家在此期间分享了许多有用的见解。

我正在休假几天，用手机写下这条消息。

我的解决方案是 4 个元学习器的 LogisticRegression（逻辑回归）：每个元学习器（下方粗体部分）是 GBM 的堆叠：

箱线图展示了使用不同随机种子获得的各种 OOF（袋外）预测的 4 次重复结果：我想要稳健的结果。

在这个逻辑回归之前，我训练了超过 30 个 GBM，我尝试了我能尝试的所有 XGBoost、CatBoost 和 LightGBM 的分类超参数，我从这些个人实验中学到了很多。

我保留了几列训练数据集的分类和数值特征（特别是 person_income）。我没有填补缺失值，没有进行特征工程，只保留原始数据集用于训练（不用于验证）。我使用 optuna 来拟合每个 GBM 的超参数。

这是我的 最终提交代码。

祝接下来的比赛好运，玩得开心！