第5名方案 | 经验教训

大家好，

这是一场相对稳定的比赛，由于数据量大且采用 RMSLE 评估指标，排名波动较小。很荣幸在此分享我的参赛经验。

首先，这场比赛与 Crab Age Prediction 非常相似。有趣的是，我在那场比赛的 Public LB 上排名第1，却在 Private LB 降到第40名。因此，我在本次比赛中采用了相似的方法来构造新特征。

感谢以下两位公开 Notebooks 的出色工作，它们在比赛中对我帮助很大：

虽然还有许多高分的公开 Notebook，但它们的分数大多是基于其他工作的融合，因此本次没有采用。

方法

经验教训

1. 使用 15 折和 20 折交叉验证比 5 折显著提升了分数。
2. 对超参数进行细致调优，效果非常明显。
3. 在集成模型中使用神经网络的能力有了大幅提升。
4. 我只使用 调和平均（Harmonic Mean） 来融合结果，这在 Private LB 中获取优势并防止过拟合非常关键。

感谢大家的支持，祝大家在下一场比赛中取得好成绩！

学习愉快！