#2 名次 | 仅特征工程与 AutoML

大家好，

我想分享一下我在这次比赛中的方法，以供感兴趣的朋友参考。

在特征工程方面，我采取了以下步骤：

• 简化了变速箱值，分别将 "Automatic" 和 "Manual" 合并为 "A/T" 和 "M/T"
  从数据中提取了豪华品牌
• 从发动机列衍生特征，包括马力、气缸及其组合
• 创建了特征交叉，例如 int_ext_col, brand_model, brand_int_col, brand_ext_col 和 brand_mileage
• 基于分位数识别并将每个特征中低频类别标记为噪声
• 使用车龄和里程创建了一个 mileage_per_year 特征
• 当然，还处理了缺失值

在建模方面，我使用 Optuna 尝试了 CatBoost Regressor 和 LGBM Regressor，但最好的结果来自使用 AutoGluon 拟合的加权集成（Weighted Ensemble）。通过融入额外数据，我进一步提高了分数。

不得不说，我仍然对最终排行榜的变动感到震惊！没想到能获得第二名，尤其是考虑到我只有非常有限的时间来尝试不同的方法。我对这个结果感到兴奋和感激。

我还要特别感谢 @roberthatch 和 @cdeotte 在整个比赛期间富有洞察力的讨论和贡献。这是一次很棒的经历，我很高兴能参与其中。

再次感谢，祝贺所有参与者！✌️