チーム戦略とコラボレーション
チームマージの判断、役割分担、提出・実験の共有管理など、チーム戦のコツを学びます。
なぜチームを組むのか#
上位コンペでは、終盤にチームマージで多様なモデルを束ねて伸ばすのが定番です。 得意分野の違うメンバーが集まると、アンサンブル学習の多様性が一気に増します。
マージのタイミングと判断#
- 早すぎる：方針がぶつかり、提出回数も共有で目減りする
- 遅すぎる：統合の時間が足りない
- 多くは中盤〜終盤、互いの解法が出そろい、相関の低さが見込めたときにマージ
注意
マージ後はチーム全体で1 日あたりの提出回数を共有します（個人の合計ではない）。 終盤の提出枠は貴重なので、誰がいつ提出するかを決めておきましょう。
役割分担#
- 特徴量/EDA 担当：データ理解と効く特徴の探索
- モデル担当：GBDT・NN など系統別に分けて多様性を確保
- アンサンブル/検証担当：OOF を集約し、スタッキング/ブレンディングで統合・交差検証を管理
共有の要：OOF と検証の統一#
チームで予測を混ぜるには、全員が同じ fold 分割で OOF を出すことが不可欠です。 分割がバラバラだと、OOF をそのまま統合できずリークの温床になります。
チーム共有ルール:
- fold は seed=42 の StratifiedKFold（5分割）で固定
- 各自 oof_<name>.npy と test_<name>.npy を所定の形式で共有
- 統合担当が OOF でブレンド重み/メタモデルを決定ヒント
実験ログ・提出ファイル・OOF を命名規則と置き場所を決めて共有すると、終盤の統合が一気に楽になります。 コミュニケーション（何を試して何が効いたか）の透明性が、チーム力の差になります。
理解度チェック#
次のステップ#
次は、ドメイン別（画像/音声/NLP/表/時系列）の勘所とコンペ選びを学びます。