程式碼中還使用了更高階的交叉驗證策略和評估指標（如 AUC-ROC 曲線）。
“原來差距在這裡”。
林晨深吸一口氣，既有挫敗感，更有一種豁然開朗的興奮。
他之前的做法，就像一個只學會了步槍射擊基礎動作的新兵，而頂尖選手已經在熟練運用各種特戰裝備，研究地形，制定協同戰術。
他不再急於提交自己那可憐的 80.1% 準確率的預測結果。
而是沉下心來，像一個貪婪的海綿，吸收著這些公開程式碼中的精華。
他新建了一個 Notebook，開始模仿著進行更細緻的資料探索視覺化。
年齡分佈與倖存率的關係圖顯示，兒童和老人存活率更高；性別與艙位等級的交叉分析揭示，頭等艙的女性存活率極高；家庭規模與存活率呈現複雜的非線性關係……
基於這些洞察，他重新設計特徵。
他借鑑思路，建立了“Title”（稱呼）特徵，將“稀有稱呼”如“Lady”“Countess”等歸為一類；根據客艙號首字母推斷“Deck”（甲板），缺失的單獨歸類；結合年齡和性別建立“AgeClass”“AgeSex”等互動特徵；甚至嘗試對票價進行對數變換以緩解偏態分佈。
模型方面，他開始嘗試簡單的堆疊（Stacking）。
用隨機森林、GBDT 和 SV作為第一層模型，用邏輯迴歸作為第二層元模型進行融合。
調參過程更加小心，他學習了使用隨機搜尋（RandozedSearchCV）在更大引數空間內高效尋優，並開始關注學習曲線來判斷模型是否欠擬合或過擬合。
重新訓練，驗證集準確率緩緩爬升到 81.3%、81.7%……
他將這個融合模型在完整的訓練集上重新訓練，然後對測試集進行預測，生成提交檔案。
上傳，等待系統評分。
頁面重新整理，結果出現：
Public Score（基於測試集部分資料的公開分數）—— 0.8132。準確率約 81.32%。
他立刻去看排行榜。
密密麻麻的名單，他按分數從高到低尋找自己的名字“DawnCoder”。
下滑，再下滑……終於在兩千多名的位置找到了自己。
排名：2187 / 4896。
幾乎墊底的一半。
林晨看著這個數字，沉默了幾秒鐘。
然後，嘴角卻微微彎起了一個弧度。
沒有沮喪，反而有一種踏實的釋然。
排名固然難看，但這一趟 Kaggle 初體驗，價值遠超排名本身。
他親手處理了真實、雜亂、有缺失的資料；實踐了從簡單到複雜的特徵工程；直觀感受到了不同模型的特性與調參影響；更重要的是，他打開了視野，看到了真正的資料科學家是如何思考、如何探索、如何整合創新的。
。藝碼式程和慧智戰實了滿充，材教費免的好最是就 lenreK 的開公些那
。磕死上賽競個這在續繼有沒，面頁榜行排掉關他
。統系”號一曦晨“的己自灌澆，分養取汲是而，家專 elggaK 為是不標目的他
？”徵特計統滾、徵特後滯的對針有更造構以可是不是，料資列序間時對針是其尤……鑑借得值路思合融型模……細更以可程工徵特“
。映對行進統系化量融金的建構在正己自與路思的到學剛剛將，轉運速飛腦大的晨林
：思反與穫收的行之 elggaK 次本錄記始開，件文個一了建新他
。塔燈的造構徵特導指、律規現發是，綴點是不化覺視：要重關至索探料資
。造構造創行進）等運航、融金（識知域領合結要需，能效升提能更型模的雜複比徵特的好，候時多很：金黃即徵特
。率確準和棒魯升提效有能）合整質異（型模的化異差個多合整理合，板花天有型模一單：量力的合融型模
。目盲免避，理原的後背其解理要更，用會要工，化佳最斯葉貝、尋搜機隨、尋搜格網：統系需參調
。群社的慧智踐實尖頂滿充、共、放開個這是而，金獎是不的貴寶最 elggaK：分與群社
。後午是已外窗，結總完寫
。鱗金片片起泛，面海在灑，盡散氣霧的空上灣城鵬
。頸脖的僵下一了活，起站晨林
。向方行前的晰清和穫收的盈充種一是的斥充中心，後腦在拋然已字數尬尷的 7812 名排
。整的強更出化進，汰劣勝優，”合融“”爭競“斷不中境環擬模或料資史歷在，本版型模的同不、略策子的同不讓是而，賽競人與是不——維思”賽競“種這引該也許或，統系資投慧智”號一曦晨“的他
。了晰清越來越，路思
。鋒刀的析分料資融金礪磨接直，賽競的關相測預列序間時個一試嘗以可許或，次一下
