StackMoreLayers

cosine distance на синтетических данных1\) генерируем 100.000 случайных строк 2\) получаем предсказания (predict\proba) моделей на этих данных и усредняем для каждого класса 3\) получаем предсказания тестовых моделей 4\) считаем косинусные расстояния до предсказаний каждого класса и выбираем класс с наименьшимМихаил Качалин

knn по predict_proba от синтетических данных1. Генерируем синтетические данные 2. Вызываем predict\proba у каждой модельки 3. Используем KNeighborsClassifier, обученном на train, для классификации 4. Получаем 1.0 на public и private ;) В этот раз решил за \~30 минут Markdown в ноутбуке не менял, все изменения только в импортах и solve() Спасибо организаторам за задачку, мне понравилась идея! Никогда до этого не классифицировал классификаторыДаниил Коровкин

xdddddddddddd (1.0 public)upvote plsМаксим Жданов

Классификатор классификаторов

Классификатор классификаторов