분석시각화 대회 코드 공유 게시물은
내용 확인 후
좋아요(투표) 가능합니다.
[Private 9위] Catboost, XGB , Voting , Ensemble (feat.Optuna)
인코딩은 LabelEncoder,StandardScaler를 사용했습니다. Nan는 SimpleImputer를 사용해 most-frequent값으로 대체하였고
예측모델은 Catboost ,XGB 모델만 사용해 Optuna로 최적 파라미터들을 설정하여 예측을 수행하였고 Catboost 성능이 좋아 기본적으로 Catboost를 기반으로 제출했습니다. 최종은 Catboost와 XGB를 8대2 비율로 예측값을 계산하는 것이 Public점수가 잘 나왔습니다.
다른 분들도 공감하셨듯이 test데이터와 train데이터 간 간극이 다소 있어서 Public점수로 조정하다보니 진행하면서 어려운 점이 있던 것 같습니다.
다른 모델들도 적용해보고 했어야하는데 시간 여유가 없었어서 그게 조금 아쉬운 것 같아요 다음에는 여러 모델들이랑 비교해보면서 진행할 예정입니다.
다들 수고하셨습니다. 감사합니다.
데이콘(주) | 대표 김국진 | 699-81-01021
통신판매업 신고번호: 제 2021-서울영등포-1704호
직업정보제공사업 신고번호: J1204020250004
서울특별시 영등포구 은행로 3 익스콘벤처타워 901호
이메일 dacon@dacon.io |
전화번호: 070-4102-0545
Copyright ⓒ DACON Inc. All rights reserved