626. NeurIPS - Ariel Data Challenge 2024 | ariel-data-challenge-2024
这次比赛非常引人入胜,讨论活跃,包括由主持人发起的讨论。我想向组织者提供这样一个绝佳机会表示感谢。
我的方法基于一个优秀的公开笔记本。我想感谢该笔记本的作者以及作为其基础的许多其他笔记本的作者。
我的解决方案是公开笔记本的直接扩展。主要增强如下:
关于三维平面拟合,由于单个频率信号的高噪声水平,有几个考虑因素:
频率索引 180 到 186 处的信号特别令人困惑。尽管比其他频率有显著更大的误差,但使用这些信号通过线性回归预测所有频率导致许多频带的 RMSE 显著改善(最佳 CV 得分达到 49 ppm)。然而,该模型在测试数据上表现不佳,未能提供任何有意义的结果。