第 10 名解决方案

首先，我要感谢 Kaggle 团队组织本次比赛。

讽刺的是，
我们的最终提交与 AutoML GrandPrix 解决方案的提交相同，即 Bagged Tunned LGB + Bagged Tunned XGB(Voting)

其在公共排行榜 (Public LB) 上得分为 0.83699，在私有排行榜 (Private LB) 上得分为 0.83905。

我应用了 Bagging，n_estimators=100，并通过全量拟合 (full fit) 获得预测
大致如下，

estimators = [
    ('lgb', BaggingClassifier(estimator=lgb, n_estimators=100)),
    ('xgb', BaggingClassifier(estimator=xgb, n_estimators=100)),
]

VotingClassifier(estimators=estimators, voting='soft')

我希望他们在 AutoML GrandPrix 中能考虑私有排行榜 (Private LB) 的分数 🥲。