第23名解决方案

哇，我原本信任交叉验证结果，期待排名会有变动，但没想到能冲进上银牌区。😅

你可以通过以下链接查看完整代码：https://github.com/nlztrk/Linking-Writing-Processes-to-Writing-Quality/

以下是我提取并使用的主要特征和方法：

文本特征

• 对提取的文章进行预处理，删除重复的制表符、空格和换行符
• 基于词、句子和段落的统计聚合特征
• 标点符号使用统计
• 标点符号错误统计（例如：句点后缺少空格、逗号前出现空格、换行前缺少标点符号等）

事件日志特征

• 事件计数和唯一值计数特征
• 所有数值列的统计聚合
• 暂停时间聚合（分别针对全文、词间、句间和段间暂停）
• P（按键）和R（释放）的爆发时间及按键次数特征

模型训练

• 使用10折分层交叉验证
• 采用CatBoost、LGBM和XGBoost三种模型
• 使用Optuna对所有模型进行超参数调优
• 跟踪记录OOF（Out-of-Fold）预测结果
• 使用Optuna基于OOF结果优化的权重进行模型集成

我很高兴所有的努力没有白费。祝贺所有参赛者取得的优异成绩！