三井物产商品预测挑战赛第 37 名解决方案

感谢 Kaggle 和三井物产（MITSUI&CO.）组织本次比赛。我最好的解决方案实际上非常简单。

背景

以下是相关的业务和数据背景链接：

模型

使用 CatBoostRegressor 进行多回归任务。

params = {
    'loss_function' : 'MultiRMSEWithMissingValues',
    'eval_metric' : 'MultiRMSEWithMissingValues',
    'iterations' : 100,
    'max_depth' : 5,
    'learning_rate' : 0.05
}

特征

没有进行特征工程，仅使用了所有目标特征和成交量特征。

交叉验证

使用 5 折 KFold 交叉验证，提交结果由每折保存的模型预测平均值组成。

无效/未提升模型的方法

• 使用特征的百分比变化代替实际特征。
• 增加迭代次数。
• 使用 Pytorch MLP、Embedding、CNN 神经网络。