월간 데이콘 신용카드 사용자 연체 예측 AI 경진대회

좋은 대회 열어주셔서 감사합니다!

family_size=7인 데이터는 제거하지 않았고요, 9 15 20 인 데이터가 각각 한명인 동일인물 데이터라 이상치로 판단하고 제거했습니다. 중간 코드 설명엔 family_size > 8 이라고 써뒀었네요.. 수정하겠습니다. 감사합니다!

네 저도 그렇게 생각합니다. 읽어주셔서 감사합니다 :)

베이스라인 코드 올려주신 점 저도 감사드립니다!

도움이 되셨으면 좋겠네요. 감사합니다. 

안녕하세요, 소회의실 팀의 팀원입니다. 
먼저 코드를 읽고 질문 달아주셔서 감사합니다. 
질문을 읽고 나서 코드를 재검토해보고 다음과 같이 답변합니다. 

1번. train data에서 가지고 체크했을 때 ID당 나오는 신용도의 종류수는 다음과 같습니다. 
편의상, 중복되지 않은 ID도 포함하여 수치를 계산했습니다. 
ID 개수의 총합: 8756 개
신용도가 1종류 : 5918
신용도가 2종류:  2336
신용도가 3종류:  502

ID당 신용도가 2종류 이상인 경우가 2800명 정도 된다는 것을 보았을 때, 중복된 사람의 신용도가 거의 변하지 않고 비슷하다고 말하기는 어려울 것 같습니다. 

2번.  testID(총 5585개) 중
train과 중복된 ID 개수: 4616개 
중복되지 않은 ID 개수 : 969개 
train과 중복되지 않은 test ID 969개의 경우 모두 -1로 배정되었기 때문에 이 경우에는 학습데이터와 테스트 데이터에 같은 사람이 많았으므로 test 학습에 유리하게 작용했을 것이라고 판단합니다. 

안녕하세요
늦었지만 답변 감사드립니다!

처음에는 토론게시판에서 중복된 사용자가 있다는 소스를 보고 그 사용자들을 걸러내기 위해 중복 사용자를 특정할 수 있는 피쳐가 있어야겠다는 생각에서 시작했습니다. 
사용자를 조금 더 개인화(세분화)하여 특정하기 위해서는 저희가 아는 정보를 모두 동원해야 할 필요성을 느꼈고, 코드를 보시다시피 쉽게 생각해서 begin_month를 제외한 모든 피쳐를 문자열로 다 합친 후 인코딩했습니다. 
논문에 있는지는 확인을 못해봤지만 사실 그 정도로 엄청 특이한 방법을 쓴 것은 아닙니다...

아하! 제가 초보라 생소하고 신기해서 질문드렸는데, 답변 감사드립니다!  ㅎㅎ

안녕하세요! 시간이 좀 지나서 기억이 가물가물한데요, begin_month 와 같은 컬럼의 경우 절대적인 근무기간= '정도'의 의미를 담기 위해서 절대값처리를 했습니다.
처리 유무에 따른 성능을 평가해보진 않았는데 크게 상관은 없을 것이라고 생각합니다. 
1년반이 지났는데도 보시고 댓글 달아주셔서 감사드려요 :)