소개

데이터 분석 공부를 위해 참전했다. 문장은 망설인다고 생각됩니다만, 좋으면 읽어 보세요.

SIGNATE 제10회_베이너 한정판

분석 환경

결과

대회 내용

대처 내용

이번 반성점

분석 환경

Google 공동체

결과

좋은 점
최종 순위는 2위(178명 중). 사용 모델은 LGM(fold-out).

대회 내용에 대해

개요

작업 휴대폰 사양에서 휴대폰 가격대를 분류하는 다중 클래스 분류

데이터 학습 데이터 : 1200, 테스트 데이터 : 800 테이블 데이터

평가 지표 F1macro

대처의 거친 흐름

EDA 설명 변수는 모두 양적 변수로 되어 있었기 때문에 카테고리 변수가 될 수 있는 것은 카테고리 변수화.

shape, info, describe, head로 전체 파악.
히스토그램, 산점도, 상자 수염 다이어그램, 바이올린 플롯에서 전체 분포 파악.
카테고리 변수는 전체, 클래스마다 상대 도수 확인.
마지막으로 target과의 상관관계를 확인.

특징량 작성 상관수가 극히 낮은 변수의 삭제.
카테고리 변수를 확인할 때, 클래스마다 가장 빈번한 조합이 있었기 때문에 「{}_{}_{}」라고 하는 형태로 카테고리 변수 작성.
학습 데이터, 테스트 데이터를 한 번 맞추어 양적 변수, 카테고리 변수로 클러스터를 작성.
카테고리 변수를 target encoding으로 수치화( (multilabel화)의 방법과 통상의 방법).

학습 및 예측 로지스틱 회귀, K 이웃 방법, 지원 벡터 머신, 결정 트리, 랜덤 포리스트, XGBoost, LightGBM으로 모델 구축(fold-out, crossvalidation).
위 모델의 앙상블 구현 (버깅, 스태킹)

이번 반성점

github를 사용하지 않았고 파일도 하나로 작업하고 있었기 때문에 쓸데없는 동작이 많아졌습니다.

CV로 target encoding하는 방법으로 망설여 버렸기 때문에, fold-out으로 강제로 진행해 버렸다.

Pytorch를 이해하지 못했기 때문에 TabNet은 시도 할 수 없습니다.

좋은 점

상기에 쓰지 않은 것을 포함해 여러가지 시험할 수 있었다.

TabNet은 사용하기 전까지는 파악할 수 없었지만, 논문이나 Youtube의 해설 동영상을 보고 배울 수 있었다.

미래에 대해

이번에 잘 가지 않았던 곳을 공부해, 사용할 수 있도록 한다.

Git에 대해 공부한다.

kaggle 대회에 참가해보십시오.

마지막으로

끝까지 읽어 주셔서 감사합니다. 다음 게시물에 좀 더 읽기 쉽게 하고 싶습니다. 생각의 문장화도 가능하다고 생각합니다.

참고

Kaggle에서 이기는 데이터 분석 기술 ( htps : // 와와 rds 였던 s 시엔세. 코 m / targe t-enko ぢ g ぉ r m l chi-c ぁ s-c ぁ )

전처리 대전( htps : // 기효. jp/보오 k/2019/978ー4ー297ー10843ー4 )

mechanisms-of-action-moa-tutorial( htps : // 기효. jp/보오 k/2018/978ー4ー7741ー9647ー3 )

Target Encoding For Multi-Class Classification( htps //w w. 꺄gぇ. 코 m / 시나 mhd 9 / 엄청 SMS )