第31名解决方案

我的解决方案是由两个高分的公开笔记本组成的集成模型：

所有荣誉归于他们的方案，非常棒的工作！

由于本次比赛的主要挑战之一是控制得分波动并防止在公开排行榜上过拟合，我们采用了平均集成，将两个方案以相等权重进行集成。我对每个音频文件的集成预测进行了加权平均，其中平均权重占75%，个体行占25%。集成运行耗时约1小时。

个人认为，除了域适应之外，这场比赛展示了集成学习在有限测试集上泛化的价值，这在许多实际领域可能有出色的应用。

最后，虽然我在公开得分上略有提升，但与 @tc0000 的笔记本在私有排行榜上的最终改进却很小，说明他们的方法在防止公开过拟合方面具有很强的鲁棒性。再次感谢这些作品的作者们！