제2회 코스포 x 데이콘 도서 추천 알고리즘 AI경진대회 채용

PUBLIC LB 3.25811
PRIVATE LB: 3.27139

* CatBoostRegressor + Optuna

* 핵심: 데이터 전처리와 catboost Pool에 명목, 범주형 변수들을 cat_features에 넣는 것, optuna로 best 파라미터 찾기
* 다양한 변수를 추가(ex. 토픽, 언어구분, 출판연도 구분, 레이팅 카운트 등)해서 나온 결과보다 기본적인 변수들의 전처리가 더 도움이 되었습니다.
* 사람마다 점수 주는 기준이 천차만별이라 User-ID가 점수 예측에 가장 핵심이었습니다.
* 0점으로 처리된 점수가 많아, 0이 아닌 점수를 예측하는 것이 key 중 하나일 것 같습니다.
* fold 수를 5 > 10 > 20으로 늘려가며 확인해본 결과 20일 때 가장 좋은 성과를 보였습니다.
* 최종 예측점수는 각 fold의 예측값을 더하고 fold수로 나눴으며, np.clip으로 점수가 0보다 작거나 10보다 크면 0과 10으로 변환하게 만들었습니다.
* PPT는 LaTex의 beamer를 사용했으며 Template은 Overleaf의 Antibes를 사용하였습니다. (https://www.overleaf.com/learn/latex/Beamer)

* 자세한 EDA, Training history는 Github에서 참조 바랍니다
Github: https://github.com/qusrud0113/Book_Recommender_Systems

복원 모델: https://drive.google.com/file/d/1E_hUcuduSyV32XqrdC9-j8FN42hvP1_k/view?usp=share_link 
(fit_model = pickle.load(open('final_model_cat_reg', 'rb'))로 읽음)

좋은 대회 열어주신 데이콘에 감사드립니다.
첫 회귀분석 대회인데 좋은 결과를 얻을 수 있어서 좋았습니다.