ML Boot Camp V, история решения на 3 место

Думаю, все через несколько конкурсов приходят к своему фреймворку для сохранения промежуточных результатов и быстрых усреднений.

Классная история успеха: начать в феврале и уже третье место в июле!

Но решение очень подробное и интересное, спасибо!

Для random forest и extra trees от sklearn такой возможности нет, так что пришлось переложить подбор количества деревьев на hyperopt, который, похоже, за недостаточное количество попыток с задачей полностью не справился.

В отличие от градиентного бустинга, эти алгоритмы не переобучаются с ростом числа деревьев (каждое дерево строится независимо от прошлых результатов), поэтому подбирать, собственно, нечего. Надо просто брать разумно большое количество деревьев (с учетом технических возможностей), да и все.

что значит «субмит»?

Монументально!