第3名解决方案 - Mediocres et Impera（平庸与统治）

背景

钢板缺陷预测竞赛（ playground 系列 - 第4季，第3集）

• 业务背景：https://www.kaggle.com/competitions/playground-series-s4e3
• 数据描述：https://www.kaggle.com/competitions/playground-series-s4e3/data

方法概述

由于本次竞赛的数据和目标特性，我将其视为一个多标签问题。我也尝试过多分类方法，但相比多标签方法，其CV和Public LB分数略低。最终提交是多个模型的组合 - PyBoost、AutoGluon以及一些公开最佳提交。我在本次竞赛中简单的秘密武器是"Mediocres et Impera"（平庸与统治）策略：即取你最信任的结果并进行平均。

提交概览

哪些方法有效？

• 多标签方法
• PyBoost框架（感谢@btbpanda）用于快速实现多标签
• AutoGluon AutoML（感谢@innixma）
• 以下作者发布的思路、notebook和提交： @thomasmeiner、 @arunklenin、 @ravi20076、 @lucamassaron、 @liudacheldieva、 @ivanblch、 @oscarm524
• OpenFE框架用于特征生成
• 合并、堆叠、集成、平均
• 🦄 独角兽花粉

哪些方法这次无效？

• 单一模型
• 原始数据