칼로리 소모량 예측 AI 해커톤

저도 이런 사실을 너무 늦게알아버린탓에 제대로된 검증을 다시 시작할수가 없었습니다 ㅠㅠ

다음 대회에선 더욱 좋은 결과 있으실겁니다. 수고하셨습니다!

네! 고생 많으셨습니다!

토크 게시판에서 공유해주신 반올림은 정말 상상도 못했습니다. 많이 배워갑니다!

+ stacking 방법은 scikit learn 라이브러리를 기반으로 정말 수십번도 더 해봤는데, 어째서 좋은 성적이 안나왔던걸까요..? ㅠㅠ

stacking은 서로 다른 모델일수록 그 효과가 뛰어난 것 같더라구요!  (autogluon 성능이 뛰어나서 점수가 잘나온 걸 수도 있겠네요)

(+ 반올림은 저도 시험 공부하다가 문득 생각나서 정말 소름이 돋았습니다..)

이제야 댓글을 확인했네요.. 너무 늦었을지도 모르지만 답변 드립니다.

https://scikit-learn.org/stable/modules/feature_selection.html#feature-selection-using-selectfrommodel

위 사이킷런 문서에서 살펴보시면, 아래와 같은 설명을 확인할 수 있습니다.

Linear models penalized with the L1 norm have sparse solutions: many of their estimated coefficients are zero. When the goal is to reduce the dimensionality of the data to use with another classifier, they can be used along with SelectFromModel to select the non-zero coefficients. In particular, sparse estimators useful for this purpose are the Lasso for regression, and of LogisticRegression and LinearSVC for classification:

특성 선택이라는 과정을 위해선 기준이 되는 모델이 필요한데, 이 때 regression 문제라면 Lasso 모델 등을 활용할 수 있고, classification 문제라면 LogisticRegression 모델 등을 활용할 수 있다고 설명되어 있습니다.

저 또한 이러한 문서를 기반으로 확인하고 적용해주었다고 생각해주시면 될 것 같습니다!