[신규 오픈 기념] 데이스쿨 최대 40% 할인 🎁

[신규 오픈 기념] 데이스쿨 최대 40% 할인 🎁

2022 AI 대학원 챌린지

LG | 채용 | B-cell | Epitope | Classification | macro-f1

상금 : 총 2,500만원
304명 마감

대회안내 데이터 코드 공유 토크 리더보드

제출

0.9에 가까운 macro-f1 score가 나올 수 있었던 이유

공동작성자

stroke

2022.07.26 15:51 1,348 조회 language

language

현재 토크 게시판에 새로운 규정이 추가되었는데 관련해서 궁금해 하실 분들이 많을 것 같아 내용을 정리해봤습니다. 정리된 내용처럼 epitope과 antigen에 대한 정보를 사용하지 않고도 좋은 성능이 나오게 됩니다. 관련해 validation 결과와 리더보드 성능도 비슷한 결과를 보여주었습니다.

코드

로그인이 필요합니다

comment

0 / 1000

Yun_Geon_Il

2022.07.26 16:39

삭제된 댓글입니다

Yun_Geon_Il

2022.07.26 16:40

공유 감사드립니다 !

ZINZINBIN

2022.07.26 23:53

우와..여태껏 epitope이랑 antigen을 가지고 bert랑 transformer로 이것저것 하고 있었는데.... 공유 감사드립니다 ㅜㅜ

안녕해요

2022.07.27 00:08

저희도 처음에 이런저런 시도들을 하다가 알게 되었습니다. 기존방식대로 bert, transformer활용하는게 좋을 것 같아요!

콩뮤

2022.07.28 10:03

number of test, number of response 사용 불가능한거 아닌가용..?

안녕해요

2022.07.28 16:07

네 맞습니다. 사용이 불가능하고, number of test, number of response와 관련된 데이터를 사용하면 어떤 결과가 나오는지 왜 사용하면 안되는 것인지 궁금증을 가지고 있을 분들이 있다고 생각되어서 코드 공유를 진행했습니다.

📣 댓글 작성 창의 위치가 댓글 리스트 상단으로 이동하였습니다!

to_list

Amino acid feature로 계산된 Protein 단위의 feature를 추출하는 방법

대회 - 2022 AI 대학원 챌린지

현재 글

0.9에 가까운 macro-f1 score가 나올 수 있었던 이유

대회 - 2022 AI 대학원 챌린지

좋아요 11

조회 1,348

댓글 5

2년 전

[Baseline] Embedding Layer + LSTM

대회 - 2022 AI 대학원 챌린지