第 34 名解决方案

我使用了 CatBoost、XGBoost 和 LightGBM 来处理表格数据，以及表格结合 CNN 的特征。（总共 6 个模型）。

作为堆叠（Stacking）方法，我使用了 mlxtend 库中的 StackingCVClassifier，并以 LogisticRegression 作为元分类器。

CNN 模型采用了 DenseNet201 (224 x 224) 和 EfficientNet_B0 (384 x 384)。此外，还添加了来自以往竞赛的数据。

我使用了 alpha=0.5 的 CutMix 进行正则化，并采用了 2020 年第一名解决方案中的数据增强方法。这在公共 leaderboard 上表现良好。我的 DenseNet201 最高分达到了 0.163，但在私有 leaderboard 上表现不佳。

使用不同随机种子（seed）的 Bagging 方法是有效的（公共 leaderboard 0.171），但我最终没有选择它。