분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
Private 14위, score: 4.82142, ConvLSTM
Dobby님과 다른 분들이 올려주신 게시글을 보면서 여러가지 내용들을 배울 수 있었습니다. 감사드립니다.
저는 DACON.Dobby 님이 올려주신 Baseline 코드를 참고했습니다.
충분히 좋은 성능을 보인다고 생각해서, 모델 구조에 큰 변화를 주진 않았습니다.
대신, 데이터셋의 구축과 데이터 전처리에 신경을 썼습니다.
혹시 오류가 있거나 궁금하신 점이 있으시다면 성심껏 답변드리겠습니다.
답변이 늦었습니다.
저는 제로 패딩을 가운데로 가게 했을 때,
Public 기준 0.09 Private 기준 0.01 향상 효과가 있었습니다.
EDA 글, 코드공유 글 잘 보았습니다. 고생 많으셨습니다~
너무 멋있네요.
한번의 학습 결과에서 얻어진 여러개의 체크포인트를 앙상블 하는 방법은 Transformer가 소개된 "Attention is All You Need" (https://arxiv.org/pdf/1706.03762.pdf) 논문에서도 사용된 방법으로 알고있습니다.
고생하셨습니다.
감사합니다.
한 번 읽어보고 싶은 논문이었는데, 좋은 논문 추천해주셔서 감사드립니다. 이 기회에 한번 읽어봐야 겠네요.
어셈블리어님도 고생 많으셨습니다.
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io | 전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved
한번 학습한 결과내에서 앙상블하는 것은 처음 보았지만 모델 예측결과의 안정성을 높일 수 있는 아이디어인거 같습니다. 제로패딩을 위성사진을 가운데로 가게 했을 때 예측결과가 기존 패딩 결과와 비교해서 좋은결과가 나왔는지 궁금합니다. 수고하셨습니다~