모델 튜닝 챌린지 : 월간 데이콘 파일럿

Dataset Info.

• train.csv [파일]
• 데이터 전처리 과정이 끝난 학습 데이터 (추가 데이터 전처리 과정을 진행하지 않습니다.)
• RF 모델 하이퍼파라미터를 제출 시, 해당 데이터로 자동적으로 학습됩니다.
• person_id: 유저별 고유 아이디
• Sex: 성별
• past_login_total: 과거(5월 8일 이전)에 로그인한 총 횟수
• past_1_month_login: 과거 1달간 로그인한 총 횟수
• past_1_week_login: 과거 1주간 로그인한 총 횟수
• sub_size: 과거에 데이콘 대회에서의 총 제출 수
• email_type: 가입한 이메일 종류
• phone_rat: 폰으로 접속한 비율
• apple_rat: 애플 기기로 접속한 비율
• login: 로그인 여부

• sample_submission.csv [파일] - 제출 양식
• RF 모델을 학습시킬 모델 하이퍼파라미터 목록
• n_estimators:
• 기본값: 10
• 범위: 10 ~ 1000 사이의 양의 정수. 일반적으로 값이 클수록 모델 성능이 좋아지지만, 계산 비용과 시간도 증가합니다.
• criterion:
• 기본값: 'gini'
• 옵션: 'gini', 'entropy'. 'gini'는 진니 불순도를, 'entropy'는 정보 이득을 기준으로 합니다.
• max_depth:
• 기본값: None
• 범위: None 또는 양의 정수. None으로 설정하면 노드가 모든 리프가 순수해질 때까지 확장됩니다. 양의 정수를 설정하면 트리의 최대 깊이를 제한합니다.
• min_samples_split:
• 기본값: 2
• 범위: 2 이상의 정수 또는 0과 1 사이의 실수 (비율을 나타냄, (0, 1] ). 내부 노드를 분할하기 위해 필요한 최소 샘플 수를 지정합니다.
• min_samples_leaf:
• 기본값: 1
• 범위: 1 이상의 정수 또는 0과 0.5 사이의 실수 (비율을 나타냄, (0, 0.5] ). 리프 노드가 가져야 하는 최소 샘플 수를 지정합니다.
• min_weight_fraction_leaf:
• 기본값: 0.0
• 범위: 0.0에서 0.5 사이의 실수. 리프 노드에 있어야 하는 샘플의 최소 가중치 비율을 지정합니다.
• max_features:
• 기본값: 'auto'
• 옵션: 'auto', 'sqrt', 'log2', None 또는 양의 정수/실수. 최적의 분할을 찾기 위해 고려할 특성의 수 또는 비율을 지정합니다. 'auto'는 모든 특성을 사용함을 의미하며, 'sqrt'와 'log2'는 각각 특성의 제곱근과 로그2를 사용합니다. None은 'auto'와 동일하게 모든 특성을 의미합니다.
• max_leaf_nodes:
• 기본값: None
• 범위: None 또는 양의 정수. 리프 노드의 최대 수를 제한합니다. None은 무제한을 의미합니다.
• min_impurity_decrease:
• 기본값: 0.0
• 범위: 0.0 이상의 실수. 노드를 분할할 때 감소해야 하는 불순도의 최소량을 지정합니다.
• bootstrap:
• 기본값: True
• 옵션: True, False. True는 부트스트랩 샘플을 사용하여 개별 트리를 학습시킵니다. False는 전체 데이터셋을 사용하여 각 트리를 학습시킵니다.

※ 제공드리는 데이터를 엑셀로 열람하는 경우, 데이터가 비정상적으로 보이는 현상이 발생할 수 있으니 반드시 Pandas패키지와 같은 데이터툴을 이용하여 열람부탁드립니다.